2. Uji Hipotesis Vektor Rata-rata Univariat
1 Populasi
Asumsi
Jika ๐1, ๐1, โฆ , ๐1adalah sampel acak dari sebu
ah populasi berdistribusi normal dengan rata-rata
ฮผ dan varians ๐2
maka
๐ ~ ๐(๐ , ๐2
)
dan rata-rata sampel X akan berdistribusi
๐~ ๐ (๐,
๐2
๐
)
Statistik uji dari sampel X apabila ๐ ๐
diketahui
adalah ๐ =
๐ โ ๐
๐
~ ๐(0,1)
sehingga statistik uji dari rata-rata sampel X
apabila ๐ ๐
diketahui adalah
๐ =
๐ฅ โ ๐
๐/ ๐
Apabila ๐ ๐
tidak diketahui adalah
๐ =
๐ฅ โ ๐
๐ / ๐
๐ก =
๐ฅ โ ๐
๐ / ๐
๐ป0: ๐ = ๐ ๐
๐ป1: ๐ โ ๐ ๐
Asumsi
Sumber : Johnson hal. 210-211 (edisi 6)
Rizqi Aristya_16.9399
Sumber : Lee Bain hal 398-399
Hipotesis
Statistik Uji
untuk n > 30 untuk n < 30
3. Uji Hipotesis Vektor Rata-rata Multivariat
1 Populasi
Jika X1,X2,โฆ,Xn adalah random sample dari
๐๐(๐, ) dan populasi kita asumsikan โ sudah
diketahui . Maka
๐ฟ(๐ร1) =
1
2 ๐=1
๐
๐ฟ๐ = ฮผ dan
๐(๐ร๐) =
1
(๐โ1) ๐=1
๐
(๐๐ โ ๐ฟ)(๐๐ โ ๐ )โ = โ.
๐2
= ๐ ๐ โ ๐ ๐
โฒ
๐บโ1
๐ฅ โ ๐0
๐2
disebut Hottelingโs ๐2
yang merupakan
pendekatan daridistribusi ๐ก2
pada kasus
univariat.
๐ป0 : ฮผ=๐ ๐
๐ป1 : Minimal ada satu variabel yang ฮผโ ๐ ๐ ,
dimana ๐0 ๐ร1 =
๐10
๐20
โฎ
๐ ๐0
Sumber: Johnson Hal. 212-213
Amalia D R _16.9001
๐2
= ๐ ๐ โ ๐ ๐
โฒ
๐บโ1
๐ฅ โ ๐0 >
๐โ1 ๐
๐โ๐
๐น๐,๐โ๐ ๐ผ Maka tolak ๐ป0
Dalam bentuk kuadrat , statistic uji t dalam
univariat dapat ditulis
๐ก2
=
( ๐ โ ๐0)
๐ 2/๐
= ๐( ๐ โ ๐0)โฒ(๐ 2
)โ1
( ๐ โ ๐0)
Jika dianalogikan ke dalam uji multivariate
menjadi
๐2
= ๐( ๐ โ ๐ ๐)โฒ(S)โ1
( ๐ โ ๐ ๐)
Asumsi
Hipotesis
Critical Region
T- Hottelingโs
T- Hottelingโs
5. Contoh :
Contoh
5.2
Keringat dari 20 perempuan sehat dianalisa. Terdapat 3 komponen yang diukur,
yaitu X1 = rata-rata keringat, X2 = kandungan sodium, dan X3 = kandungan potassi
um yang kemudian disajikan dalam Sweat Data yang ditampilkan dalam tabel
5.1. Buku Applied Multivariate Statistical Analysis.Uji hipotesis .
dan
Jawab :
dan Ttabel : 8,18
Keputusan
> 8,18 sehingga keputusannya tolak H0 . Artinya terdapat minimal satu
nilai ฮผ yang berbeda dengan nilai ฮผ0.
Sumber : Johnson hal. 214-215 (edisi 6)
๐ป0: ๐โฒ
= [ 4, 50 , 10 ]
๐ป1: ๐โฒ
โ [ 4 , 50 , 10 ]
๐ผ = 0.10
๐ฑ =
4.640
45.400
9.965
๐ =
2.879 10.010 โ1.810
10.010 199.788 โ5.640
โ1.810 โ5.640 3.628
๐โ1
=
0.586 โ0.022 0.258
โ0.022 0.006 โ0.002
0.258 โ0.002 0.402
T2
= 20 4.640 โ 4 , 45.400 โ 50 , 9.965 โ 10
0.586 โ0.022 0.258
โ0.022 0.006 โ0.002
0.258 โ0.002 0.402
4.640 โ 4
45.400 โ 50
9.965 โ 10
= 20 0.640, โ4.600 , โ0.035
0.467
โ0.042
0.160
= 9.74
๐2
= 9.74
Amalia D R _16.9001
6. Selang Kepercayaan
Multivariat
Wilayah Kepercayaan Multivariat
Univariat
Selang kepercayan univariat
Add Contents Title
Confidence Interval
Confidence Region
๐ต๐ต < ๐๐ < ๐ต๐ด
๐ฅ๐ ยฑ critical value . Se
๐
๐
๐ฅ
Cindira_16.9055
7. Confidence Interval Simultan
Add Contents Title
๐1, ๐2, ..., ๐ ๐ merupakan random sample dari suatu populasi ๐๐(ฮผ, ฦฉ) dengan ฦฉ merupakan definit positif,
interval simultan :
๐โฒ ๐ฟ ยฑ (
๐(๐โ๐)
๐โ๐
๐ญ ๐, ๐โ๐ (๐ถ) ๐โฒ ๐บ๐ )
๐2
-intervals dimungkinkan untuk menjadi :
๐๐ ยฑ (
๐(๐โ๐)
๐โ๐
๐ญ ๐, ๐โ๐ (๐ถ)
๐บ๐๐
๐
)
Atau
๐ตโฒ ๐ ยฑ
๐ ๐ โ ๐
๐ ๐ โ ๐
๐ญ ๐ถ; ๐,๐โ๐ ๐ตโฒ
๐ ๐ต ๐/๐
Cindira_16.9055
Sumber : Johnson Hal.220-221(edisi 6)
8. Confidence Interval Simultan
Add Contents Title
Jika p โฅ 4, menggunakan confidences ellipsoid. Dengan :
๐๐ ยฑ (
๐ ๐โ๐
๐โ๐
๐ญ ๐, ๐โ๐ ๐ถ ๐๐ ๐๐)
๐1, ๐2, ..., ๐ ๐, dimana n โ p โถ โพ dengan ฦฉ diketahui definit positif :
๐๐ ยฑ ( ๐ ๐(๐ถ)
๐บ ๐๐
๐
) hal:235
Atau
๐ตโฒ
๐ ยฑ
๐
๐
๐ตโฒ
๐ ๐ต ๐ ๐ถ;๐
๐ ๐/๐
๐1, ๐2, ..., ๐ ๐ dimana
i : 1, 2, ..., p
๐๐ : eigenvalues
๐๐ : eigenvectors
๐ฅ๐ ยฑ ( ๐ ๐(๐ผ) ๐๐ ๐๐ )
Cindira _16.9055
Sumber : Johnson Hal.220-221(edisi 6)
9. Selang Kepercayaan 1 Populasi
Confidence Interval : Poin Estimasi ยฑ Z ฮฑ/2 Standard Error
Jika Poin Estimasi x lainnya
x ยฑ Z ฮฑ/2
๐
๐
Z ฮฑ/2=-Z 1-ฮฑ/2
Jika ๐2 tidak diketahui and n kecil maka
x ยฑ t 1-ฮฑ/2
๐
๐
t 1-ฮฑ/2= t (n-1)1-ฮฑ/2
x โ Z ฮฑ/2
๐
๐
x + Z ฮฑ/2
๐
๐
x โ t 1-ฮฑ/2
๐
๐
x + t 1-ฮฑ/2
๐
๐
Ary Vebryan_16.9027
Sumber : Lee Bain hal 362 dan 365
10. Metode Bonferroni
If the number m of specified component means ฮผi or linear combinatio
n aโฮผ= ๊ญค1ฮผ1+ ๊ญค2ฮผ2 + . . . + ๊ญคpฮผp is small,simultaneos confidence interval
can be developed that are short and developed from a probability
inequality
P[all Ci True] = 1 - P[ at least one Ci false โฅ 1 - ๐=1
๐
๐ ๐ถ๐ ๐๐๐๐ ๐
= 1 โ ๐=1
๐
(1 โ ๐ ๐ถ๐ ๐ก๐๐ข๐ )
= 1 - (ฮฑ1+ ฮฑ2+. . . + ฮฑm)
Sumber : Johnson Hal. 232-234 ( edisi 6)
Ary Vebryan_16.9027
11. Metode Bonferroni
Ci = Confidence statement
xi ยฑ tn-1(
๐ผ๐
2
)
๐ ๐๐
๐
i=1,2,โฆ,m
Dengan ๐ผ๐= ๐ผ/m. karena P[xi ยฑ tn-1(๐ผ/2m)
๐๐๐
๐
contains ฮผi = 1- ๐ผ/m, i = 1,2, .
. . ,m
P[xi ยฑ tn-1(
๐ผ๐
2๐
)
๐ ๐๐
๐
contains ๐๐, all i โฅ 1- (
๐ผ
๐
+
๐ผ
๐
+ โฏ +
๐ผ
๐
)
= 1- ๐ผ
x1 โ tn-1(
๐ผ
2๐
)
๐ 11
๐
โค ฮผ1 โค x1 + tn-1(
๐ผ
2๐
)
๐ 11
๐
x2 โ tn-1(
๐ผ
2๐
)
๐ 22
๐
โค ฮผ2 โค x2 + tn-1(
๐ผ
2๐
)
๐ 22
๐
. .. .. .
xp โ tn-1(
๐ผ
2๐
)
๐ ๐๐
๐
โค ฮผ2 โค xp + tn-1(
๐ผ
2๐
)
๐ ๐๐
๐
Amalia D R _16.9001
Sumber : Lee Bain hal 362 dan 365
12. Daerah Penerimaan T2 VS Bonferroni
Interval Bonferoni untuk kombinasi linear
aโ๐ dan analogi T2-interval secara umum
aโ ๐ฑ ยฑ (critical value)
aโฒ
๐a
๐
Dimana a1โ = 1 0 0 ... 0; a2โ= 0 1 0 ... 0 dst
apโ= 0 0 โฆ 0 1
๐ณ๐๐๐๐๐ ๐๐ ๐ฉ๐๐๐๐๐๐๐๐๐ ๐๐๐๐๐๐๐๐
๐ณ๐๐๐๐๐ ๐๐ ๐ป ๐
โ๐๐๐๐๐๐๐๐
=
๐ ๐โ ๐( ๐ผ
๐๐
)
๐(๐โ๐)
๐โ๐
๐น ๐, ๐โ ๐(๐ผ)
Amalia D R _16.9001
14. Large Sample Inferences
Add Contents Title
All large sample inferences about ฮผ are based on a ๐ ๐ ๐ฐ๐ข๐ญ๐ก ๐ฉ. ๐. ๐ ๐๐ง๐ ๐ญ๐ก๐ฎ๐ฌ,
P[n( ๐ฑ - ฮผ )โS-1( ๐ฑ - ฮผ ) โค ๐2
p(๐ถ)] = 1 - ๐ถ
๐2
p(๐ถ) is the upper (100 ๐ถ)th percentile of the ๐2
p distribution
X1,X2,. . . Xn a random sample from population with mean ฮผ and positive definite covariance
ฮฃ. If n-p is large
aโ ๐ฑ ยฑ ๐2
p(๐ถ)
aโฒ
๐a
๐
Will contain aโ ฮผ, for every a, with probability approximately 1-๐ถ. Consequently, we can make the 100(1 - ๐ถ)% simultane
ous confidence statements
๐ฑ ๐ ยฑ ๐2
p(๐ถ)
๐ ๐๐
๐
contains ฮผ1
๐ฑ ๐ ยฑ ๐2
p(๐ถ)
๐ ๐๐
๐
contains ฮผ2
. .. .
. .
๐ฑ ๐ ยฑ ๐2
p(๐ถ)
๐ ๐๐
๐
contains ฮผp
All pairs (ฮผi, ฮผk) I,k = 1,2,โฆp. The sample mean centered ellipses
n[ ๐ฑ ๐ - ฮผ, ๐ฑ ๐ - ฮผ]
๐๐๐ ๐๐๐
๐๐๐ ๐ ๐๐
-1
๐ฑ ๐โ ฮผi
๐ฑ ๐โ ฮผk
โค ๐2
p(๐ถ)] contain (ฮผi, ฮผk)
Ary Vebryan_16.9027
15. Large Sample Inferences
Ketika ukuran sampel besar , selang keprcayaan untuk masin
g masing rata-rata adalah
xi โ๐ง(
๐ผ
2
)
๐ ๐๐
๐
โค ฮผ๐ โค xi +๐ง(
๐ผ
2
)
๐ ๐๐
๐
i = 1,2,. . .p
Menggunakan modifikasi persentil ๐ง(
๐ผ
2๐
)
xi โ๐ง(
๐ผ
2๐
)
๐ ๐๐
๐
โค ฮผ๐ โค xi +๐ง(
๐ผ
2๐
)
๐ ๐๐
๐
i = 1,2,. . .p
Ary Vebryan_16.9027
Sumber : Johnson Hal. 232-237 (edisi 6)
16. PAIRED COMPARISONS AND A REPEATED MEASURE DESIGN
a. Paired Comparisons
Untuk kasus univariate, Misal Xj1 adalah respond unt
uk treatment pertama (sebelum diberi perlakuan) dan Xj2 ada
lah respond untuk treatment kedua (setelah diberi perlakuan)
untuk percobaan ke j. (Xj1, Xj2) adalah measurement recorde
d dari unit ke j atau pasangan ke j dari unit.
Dj= Xj1-Xj2, j=1,2,...,n (6-1)
Wahyu D H_16.9461
Sumber : Johnson Hal. 232-237 (edisi 6)
17. PAIRED COMPARISONS AND A REPEATED MEASURE DESIGN
100(1-ฮฑ)% confidence region for ฮด consist of all ฮดsuch that
100(1-ฮฑ)% simultaneous confidence interval for individual
mean differences ฮดi
Dimana = elemen ke i dari dan adalah elemen diagonal ke i dari
Untuk n-p besar, dan tidak membutuhkan asumsi normalitas
Bonferroni 100(1-ฮฑ)% simultaneous confidence interval for
individual mean differences ฮดi
Wahyu D H_16.9461
Sumber : Johnson hal.276 (edisi 6)
18. B . Repeated Measures Design for Comparing Treatments
Add Contents Title
Setiap unit penelitian menerima sekali treatment
pada successive periods of time
j=1,2,...,n
Q = jumlah treatment
Xij = respond pada treatment ke i pada unit ke j.
Uji Kesamaan Perlakuan pada Repeated
Measures Design
Populasi Nq(ฮผ,โ) dengan C adalah matiks konstan.
Hipotesis
Statistik Uji
Wahyu D H_16.9461
Sumber :Johnson hal.279-281(edisi 6)
Dimana
Tolak Ho jika
Confidence region for contrasts Cฮผ
Simultaneous 100(1-ฮฑ)% confidence intervals
for single contrasts cโฮผ
19. Contoh :
Contoh
6.2
Perbaikan anastesi sering dikembangkan dengan terlebih dahulu mempelajari efe
knya terhadap hewan. Dalam suatu penelitian, 19 anjing diberi pentobarbitol kem
udian diberi CO2 pada masing-masing dari dua tingkat tekanan. Lalu, halothane d
itambahkan, dan diberikan CO2 kembali. Hasil yang dicatat adalah waktu (milllise
conds) detak jantung dari kombinasi empat perlakuan tersebut yang kemudian di
sajikan dalam Sleeping-Dog Data yang ditampilkan dalam tabel 6.2.
Treatment 1 = high CO2 pressure without H
Treatment 2 = low CO2 pressure without H
Treatment 3 = high CO2 pressure with H
Treatment 4 = low CO2 pressure with HAda tiga perlakuan kontras yang menarik
dalam eksperimen tersebut, Sumber : Johnson hal. 281-283
(edisi 6)
Rizqi Aristya_16.9399
( ๐3 + ๐4) โ ( ๐1 + ๐2) =
Halothane contrast representing the difference
between the presence and absence of halothane
( ๐1 + ๐3) โ ( ๐2 + ๐4) =
CO2 contrast representing the difference
between high and low of CO2
( ๐1 + ๐4) โ ( ๐2 + ๐3) = (H โ CO2 pressure "interaction")
20. Contoh :
Contoh
6.2
Sumber : Johnson hal. 281-283
(edisi 6)
Rizqi Aristya_16.9399
Berdasarkan data yang ada, diperoleh
Dapat diverifikasi dengan
= 116 > 10.94 sehingga keputusannya tolak
dengan ๐โฒ
= ๐1, ๐2, ๐3, ๐4 , matriks kontras C adalah
๐ =
โ1 โ1 1 1
1 โ1 1 โ1
1 โ1 โ1 1
๐ฑ =
368.21
404.63
479.26
502.89
dan ๐ =
2819.29
3568.42 7963.14
2943.49
2295.35
5303.98
4065.44
6851.32
4499.63 4878.99
๐๐ฑ =
209.31
โ60.05
โ12.79
๐๐๐โฒ =
9432.32 1098.92 927.62
1098.92 5195.84 914.54
927.62 914.54 7557.44
๐2
= ๐( ๐ช๐)โฒ
(๐ช๐บ๐ช)โ1( ๐ช๐) = 19(6.11) = 116 dengan ฮฑ = 0.05
(19 โ 1)(4 โ 1)
(19 โ 4 + 1)
F4โ1,19โ4+1(0.05) = 10.94
๐2
๐ป0: ๐๐โฒ
= 0
21. Contoh :
Contoh
6.2
Sumber : Johnson hal. 281-283
(edisi 6)
Rizqi Aristya_16.9399
Berdasarkan data yang ada, diperoleh
Dapat diverifikasi dengan
= 116 > 10.94 sehingga keputusannya tolak
dengan ๐โฒ
= ๐1, ๐2, ๐3, ๐4 , matriks kontras C adalah
๐ =
โ1 โ1 1 1
1 โ1 1 โ1
1 โ1 โ1 1
๐ฑ =
368.21
404.63
479.26
502.89
dan ๐ =
2819.29
3568.42 7963.14
2943.49
2295.35
5303.98
4065.44
6851.32
4499.63 4878.99
๐๐ฑ =
209.31
โ60.05
โ12.79
๐๐๐โฒ =
9432.32 1098.92 927.62
1098.92 5195.84 914.54
927.62 914.54 7557.44
๐2
= ๐( ๐ช๐)โฒ
(๐ช๐บ๐ช)โ1( ๐ช๐) = 19(6.11) = 116 dengan ฮฑ = 0.05
(19 โ 1)(4 โ 1)
(19 โ 4 + 1)
F4โ1,19โ4+1(0.05) = 10.94
๐2
๐ป0: ๐๐โฒ
= 0
22. Contoh :
Contoh
6.2
Sumber : Johnson hal. 281-283
(edisi 6)
Rizqi Aristya_16.9399
Untuk melihat kontras mana yang bertanggung jawab atas penolakan H0,
dibentuk interval kepercayaan simultan 95% untuk kontras tersebut, kontras
diestimasi oleh interval
di mana adalah baris pertama dari C. Sama halnya, kontras yang lainnya
diestimasi oleh
๐ ๐
โฒ
๐ = ( ๐3 + ๐4) โ ( ๐1 + ๐2) = pengaruh halothane
( ๐ฅ3 + ๐ฅ4) โ ( ๐ฅ1 + ๐ฅ2) ยฑ
18(3)
(16)
๐น3,16(0.05)
๐ ๐โฒ๐๐1
19
= 209.31 ยฑ 10.94
9432.32
19
CO2 pressure infuence = ( ๐1 + ๐3) โ ( ๐2 + ๐4):
= โ60.05 ยฑ 54.70
H โ CO2 pressure "interaction" = ( ๐1 + ๐4) โ ( ๐2 + ๐3):
= โ12.79 ยฑ 65.97
23. Latihan
Soal :
Exercise
7.10
Wolfgang Hardle โ
Multivariate Statistics
Cindira_16.9055
โข Consider X โผ N3 (ฮผ,ฮฃ). An iid sample of size
n = 10 provides:
โข ๐ฅ =
1
0
2
and ๐ =
3 2 1
2 3 1
1 1 4
โข Knowing that the eigenvalues of S are integ
ers, describe a 95% confidence region for ฮผ.
โข Calculate the simultaneous confidence inter
vals for ฮผ1, ฮผ2 and ฮผ3.