Chuyên cung cấp dịch vụ và giải pháp VOIP, đầu số hotline 1800 và 1900 cho doanh nghiệp
TIME TRUE LIFE TECHNOLOGY JOINT STOCK COMPANY
Mr Long
Mobi: 0986883886 - 0905710588
Email: long.npb@ttlcorp.vn
Website: ttlcorp.vn
Liên hệ page để nhận link download sách và tài liệu: https://www.facebook.com/garmentspace
https://www.facebook.com/garmentspace.blog
My Blog: http://garmentspace.blogspot.com/
Từ khóa tìm kiếm tài liệu : Wash jeans garment washing and dyeing, tài liệu ngành may, purpose of washing, definition of garment washing, tài liệu cắt may, sơ mi nam nữ, thiết kế áo sơ mi nam, thiết kế quần âu, thiết kế veston nam nữ, thiết kế áo dài, chân váy đầm liền thân, zipper, dây kéo trong ngành may, tài liệu ngành may, khóa kéo răng cưa, triển khai sản xuất, jacket nam, phân loại khóa kéo, tin học ngành may, bài giảng Accumark, Gerber Accumarkt, cad/cam ngành may, tài liệu ngành may, bộ tài liệu kỹ thuật ngành may dạng đầy đủ, vật liệu may, tài liệu ngành may, tài liệu về sợi, nguyên liệu dệt, kiểu dệt vải dệt thoi, kiểu dệt vải dệt kim, chỉ may, vật liệu dựng, bộ tài liệu kỹ thuật ngành may dạng đầy đủ, tiêu chuẩn kỹ thuật áo sơ mi nam, tài liệu kỹ thuật ngành may, tài liệu ngành may, nguồn gốc vải denim, lịch sử ra đời và phát triển quần jean, Levi's, Jeans, Levi Straus, Jacob Davis và Levis Strauss, CHẤT LIỆU DENIM, cắt may quần tây nam, quy trình may áo sơ mi căn bản, quần nam không ply, thiết kế áo sơ mi nam, thiết kế áo sơ mi nam theo tài liệu kỹ thuật, tài liệu cắt may,lịch sử ra đời và phát triển quần jean, vải denim, Levis strauss cha đẻ của quần jeans. Jeans skinny, street style áo sơ mi nam, tính vải may áo quần, sơ mi nam nữ, cắt may căn bản, thiết kế quần áo, tài liệu ngành may,máy 2 kim, máy may công nghiệp, two needle sewing machine, tài liệu ngành may, thiết bị ngành may, máy móc ngành may,Tiếng anh ngành may, english for gamrment technology, anh văn chuyên ngành may, may mặc thời trang, english, picture, Nhận biết và phân biệt các loại vải, cotton, chiffon, silk, woolCÁCH MAY – QUY CÁCH LẮP RÁP – QUY CÁCH ĐÁNH SỐTÀI LIỆU KỸ THUẬT NGÀNH MAY –TIÊU CHUẨN KỸ THUẬT – QUY CÁCH ĐÁNH SỐ - QUY CÁCH LẮP RÁP – QUY CÁCH MAY – QUY TRÌNH MAY – GẤP XẾP ĐÓNG GÓI – GIÁC SƠ ĐỒ MÃ HÀNG - Công nghệ may,kỹ thuật may dây kéo đồ án công nghệ may, công
Power point berjudul Himpunan ini saya up load untuk membantu BapakIbu guru yang mengajar bidang study matematika dalam memberikan materi ajar Himpunan di kelas VII SMP... Semoga dapat menginspirasi ya,...
Chuyên cung cấp dịch vụ và giải pháp VOIP, đầu số hotline 1800 và 1900 cho doanh nghiệp
TIME TRUE LIFE TECHNOLOGY JOINT STOCK COMPANY
Mr Long
Mobi: 0986883886 - 0905710588
Email: long.npb@ttlcorp.vn
Website: ttlcorp.vn
Liên hệ page để nhận link download sách và tài liệu: https://www.facebook.com/garmentspace
https://www.facebook.com/garmentspace.blog
My Blog: http://garmentspace.blogspot.com/
Từ khóa tìm kiếm tài liệu : Wash jeans garment washing and dyeing, tài liệu ngành may, purpose of washing, definition of garment washing, tài liệu cắt may, sơ mi nam nữ, thiết kế áo sơ mi nam, thiết kế quần âu, thiết kế veston nam nữ, thiết kế áo dài, chân váy đầm liền thân, zipper, dây kéo trong ngành may, tài liệu ngành may, khóa kéo răng cưa, triển khai sản xuất, jacket nam, phân loại khóa kéo, tin học ngành may, bài giảng Accumark, Gerber Accumarkt, cad/cam ngành may, tài liệu ngành may, bộ tài liệu kỹ thuật ngành may dạng đầy đủ, vật liệu may, tài liệu ngành may, tài liệu về sợi, nguyên liệu dệt, kiểu dệt vải dệt thoi, kiểu dệt vải dệt kim, chỉ may, vật liệu dựng, bộ tài liệu kỹ thuật ngành may dạng đầy đủ, tiêu chuẩn kỹ thuật áo sơ mi nam, tài liệu kỹ thuật ngành may, tài liệu ngành may, nguồn gốc vải denim, lịch sử ra đời và phát triển quần jean, Levi's, Jeans, Levi Straus, Jacob Davis và Levis Strauss, CHẤT LIỆU DENIM, cắt may quần tây nam, quy trình may áo sơ mi căn bản, quần nam không ply, thiết kế áo sơ mi nam, thiết kế áo sơ mi nam theo tài liệu kỹ thuật, tài liệu cắt may,lịch sử ra đời và phát triển quần jean, vải denim, Levis strauss cha đẻ của quần jeans. Jeans skinny, street style áo sơ mi nam, tính vải may áo quần, sơ mi nam nữ, cắt may căn bản, thiết kế quần áo, tài liệu ngành may,máy 2 kim, máy may công nghiệp, two needle sewing machine, tài liệu ngành may, thiết bị ngành may, máy móc ngành may,Tiếng anh ngành may, english for gamrment technology, anh văn chuyên ngành may, may mặc thời trang, english, picture, Nhận biết và phân biệt các loại vải, cotton, chiffon, silk, woolCÁCH MAY – QUY CÁCH LẮP RÁP – QUY CÁCH ĐÁNH SỐTÀI LIỆU KỸ THUẬT NGÀNH MAY –TIÊU CHUẨN KỸ THUẬT – QUY CÁCH ĐÁNH SỐ - QUY CÁCH LẮP RÁP – QUY CÁCH MAY – QUY TRÌNH MAY – GẤP XẾP ĐÓNG GÓI – GIÁC SƠ ĐỒ MÃ HÀNG - Công nghệ may,kỹ thuật may dây kéo đồ án công nghệ may, công
Power point berjudul Himpunan ini saya up load untuk membantu BapakIbu guru yang mengajar bidang study matematika dalam memberikan materi ajar Himpunan di kelas VII SMP... Semoga dapat menginspirasi ya,...
1. Regresi Robust
Dengan Program Macro MINITAB
Wiwiek Setya Winahju
wiwiek@statistika.its.ac.id
Regresi ini digunakan bila terjadi error tidak nor-mal,
atau terdapat pencilan (outlier), atau terdapat
titik data yang mempengaruhi hasil regresi. Pada
output MINITAB kondisi ini ditandai oleh unusual
observation dengan nilai error yang diikuti huruf X.
Pengaruh titik data terhadap hasil regresi dinyatakan
oleh fungsi pengaruh (influence function). Penalaran
fungsi pengaruh didahului oleh review kuadrat ter-kecil
berikut :
Review Kuadrat Terkecil
Prosedur metode kuadrat terkecil adalah menda-patkan
b0 dan b1 yang menjadikan jumlah kuadrat
n
error, yaitu å=
i
i
1
e 2 sekecil mungkin, sebagai berikut
:
n
i. Membentuk å=
i
i
1
e 2 sebagai fungsi b0 dan b1,
n
S = f(b0,b1) =å=
i
i
1
e 2 = ( - -
) å=
n
i
i i Y b b X
1
2
0 1
ii. Mendiferensialkan S terhadap b0 dan b1, kemudi-an
hasil diferensialnya, yaitu
¶
S
¶
0 b
dan
¶
S
¶
1 b
disa-makan
dengan 0.
å=
S =
( ) ¶
0 b
¶
- - - =
n
i
i i Y b b X
1
0 1 2 ( 1) 0
å=
S =
( ) ¶
1 b
¶
- - - =
n
0 1 2 ( ) 0
( ) å=
i
i i i Y b b X X
1
- - =
n
i
i i i Y b b X X
1
( ) 0
0 1 n
( - ) å=
=
i
i i i Y Y X
1
ˆ ( ) 0
å=
=
n
i
i i X
1
e 0 .........................
(1)
Persamaan (1) ini dapat menggambarkan pengaruh
yang disebabkan oleh titik eksperimen dengan re-sidual
yang tinggi.
Bentuk yang lebih umum ialah :
y e , ................
(2)
n é
i
å=
= úûù
êë
i
i X
1
0
s
adapun penaksir kuadrat terkecil dengan y(ei) = ei ,
seperti pada persamaan (1) tidak robust terhadap
pencilan.
Penaksir M
Penaksiran parameter menggunakan metode ini di-sebut
juga Iteratively Reweighted Least Squares.
Metode ini menggunakan fungsi Huber berikut :
y(ei
*) = ei
* |ei
*| £ r
= r ei
* > r
= - r ei
* < - r
Catatan:
Terdapat lebih dari satu bentuk fungsi Huber. Yang
ditampilkan pada materi ini hanyalah satu dianta-ranya.
Solusi menggunakan metode ini adalah melakukan
weighted least square secara iterasi. Persamaan (2)
dinyatakan dalam bentuk :
y e
å=
=
n
i
( ) e
e
i i
i
i x
1
*
*
*
( ) 0
( )
, ...............
(3)
* adalah residual yang telah diskalakan, se-hingga
ei
dengan ei
* = ei/sˆ , sedangkan sˆ = median |ei|, i =
1, 2, ... , n. Selanjutnya persamaan (3) dapat dinya-takan
ke dalam bentuk berikut :
å=
e * =
0 , ..................... (4)
n
i
i i i w x
1
dengan wi =
*
y e
( )
*
i
e
( )
i
. Dengan demikian, Persa-maan
(3) juga merupakan solusi jumlah kuadrat
error terboboti (WLS), yaitu å=
( -
ˆ )2 .
n
i
i i i w y y
1
Berikut ini adalah prosedur penaksiran :
1. Dihitung penaksir b, dinotasikan b menggu-nakan
least square, sehingga didapatkan
,0 ˆi y
dan ei,0 = yi - ,0 ˆi y , (i = 1, 2, ... n) yang diperla-kukan
sebagai nilai awal (yi adalah hasil eks-perimen).
2. Dari nilai-nilai residual ini dihitung 0 sˆ , dan
pembobot awal wi,0 =
*
,0
i
y e
( )
*
i
e
( )
,0
. Nilai y(ei
*)
di-hitung
* = ei,0 / 0 sˆ .
sesuai fungsi Huber, dan ei,0
3. Disusun matrik pembobot berupa matrik diagonal
dengan elemen w1,0 , w2,0 , . . . , wn,0 , dinamai W0.
4. Dihitung penaksir koefisien regresi,
bRobust ke 1 = (XT W0 X)-1 XT W0 Y
5. Dengan menggunakan bRobust ke 1 dihitung pula
å=
-
n
i
i i y y
1
n
1 , | ˆ | atau å=
i
i
1
.1 |e | .
1
2. 6. Selanjutnya langkah 2 sampai dengan 5 diu-lang
n
sampai didapatkan å=
i
i m
1
. |e |konvergen.
Contoh:
x1 x2 x3 x4 x5 x6 x7 y
2 4 4 1,26 1 6 6 180,23
3 1,58 40 1,25 1 5 5 182,61
16,6 23,78 40 1 1 13 13 164,38
7 2,37 168 1 1 7 8 284,55
5,3 1,67 42,5 7,79 3 25 25 199,92
16,5 8,25 168 1,12 2 19 19 267,38
25,89 3 40 0 3 36 36 999,09
44,42 159,75 168 0,6 18 48 48 1103,24
39,63 50,86 40 27,37 10 77 77 944,21
31,92 40,08 168 5,52 6 47 47 931,84
97,33 255,08 168 19 6 165 130 2268,06
56,63 373,42 168 6,03 4 36 37 1489,5
96,67 206,67 168 17,86 14 120 120 1891,7
54,58 207,08 168 7,77 6 66 66 1387,82
113,88 981 168 24,48 6 166 179 3559,92
149,58 233,83 168 31,07 14 185 202 3115,29
134,32 145,82 168 25,99 12 192 192 2227,76
188,74 937 168 45,44 26 237 237 4804,24
110,24 410 168 20,05 12 115 115 2628,32
96,83 677,33 168 20,31 10 302 210 1880,84
102,33 288,83 168 21,01 14 131 131 3036,63
274,92 695,25 168 46,63 58 363 363 5539,98
811,08 714,33 168 22,76 17 242 242 3534,49
384,5 1473,66 168 7,36 24 540 453 8266,77
95 368 168 30,26 9 292 196 1845,89
Sumber : Classical and Modern Regression with Applications, oleh Raymond H Myers, halaman 352 – 355.
Perhitungan penaksir koefisien regresi pada r = 1 dilakukan dengan mengikuti prosedur sebagai berikut :
1. Koefisien regresi, b, dihitung menggunakan kuadrat terkecil, didapatkan b dan ei,0.
2. Dihitung sˆ 0 = median |e0| = 276,484,sehingga didapatkan e*
*
i,i,0 dan |ei,0|.
0 , i ye sesuai dengan fungsi Huber, dan nilai pembobot wi,0 .
3. Ditentukan ( * )
n
Pada tahap ini didapatkan å=
i
i
1
.1 |e | = 7068,30.
i,0= ei,0 / 0 sˆ |e*
b ei,0 e*
*
i i,0| ye
( ) , 0 wi,0 =
*
,0
i
y e
( )
*
i
e
( )
,0
134,968 -29,755 -0,10762
0,1076
2
0,10762 1
-1,284 -31,186 -0,11279
0,1127
9 0,11279
1
1,804 -196,106 -0,70928
0,7092
8 0,70928
1
0,669 -75,556 -0,27327
0,2732
7 0,27327
1
-21,423 -180,783 -0,65386
0,6538
6 0,65386
1
5,619 -242,993 -0,87887
0,8788
7 0,87887
1
-14,48 313,923 1,13541
1,1354
1
1 0,8807
29,325 -176,059 -0,63678
0,6367
8 0,63678
1
128,744 0,46565
0,4656
5 0,46565
1
39,994 0,14465
0,1446
5 0,14465
1
635,923 2,30003
2,3000
3
1 0,4347
184,323 0,66667
0,6666
7 0,66667
1
-81,716 -0,29555
0,2955
5 0,29555
1
-9,966 -0,03605
0,0360
5 0,03605
1
-665,211 -2,40596
2,4059
6
-1 0,4156
-19,605 -0,07091 0,0709 0,07091 1
2
3. 1
-470,978 -1,70345
1,7034
5
-1 0,587
418,462 1,51351
1,5135
1
1 0,661
437,994 1,58416
1,5841
6
1 0,631
-870,07 -3,14691
3,1469
1
-1 0,318
826,496 2,98931
2,9893
1
1 0,334
-323,894 -1,17147
1,1714
7
-1 0,854
-160,276 -0,57969
0,5796
9
0,57969 1
413,265 1,49472
1,4947
2
1 0,669
135,029 0,488
0,4883
8
0,48838 1
4. Dilakukan perhitungan bRobust ke 1 sebagai penaksir weighted least square dengan pembobot wi,0 ;
Didapatkan koefisien bRobust ke 1 , ei,1, sˆ1 = 1,5 (median |ei,1| ) = 262,838 dan e*
i,1= ei,1 / sˆ 1 .
1 , i e y dan pembobot wi,1, serta å=
Selanjutnya didapatkan pula ( * )
n
i
i
1
.1 |e | = 6531,39.
bRobust ke 1 ei,1
e*
i,1= ei,1 /
1 sˆ |e*
*
i i,1| ye
( ) , 1 wi,1 =
*
1 ,
i
y e
( )
i
*
e
( )
1 ,
140,335 -32,16 32,16 0,12237 0,12237 1
-1,468 -24,27 24,27 0,09236 0,09236 1
2,075 -189,04 189,04 0,71921 0,71921 1
0,424 -33,89 33,89 0,12893 0,12893 1
-18,743 -175,23 175,23 0,66667 0,66667 1
1,811 -194,58 194,58 0,7403 0,7403 1
-13,443 347,31 347,31 1,32138 1 0,756
27,91 -90,38 90,38 0,34387 0,34387 1
120,45 120,45 0,45826 0,45826 1
96,6 96,6 0,36754 0,36754 1
605,05 605,05 2,30198 1 0,4344
143,26 143,26 0,54507 0,54507 1
-33,5 33,5 0,12746 0,12746 1
6,61 6,61 0,02514 0,02514 1
-836,51 836,51 3,18261 -1 0,3142
44,13 44,13 0,16789 0,16789 1
-401,58 401,58 1,52784 -1 0,6545
301,25 301,25 1,14615 1 0,8725
418,13 418,13 1,59084 1 0,6258
-1032,93 1032,93 3,92992 -1 0,2544
849,15 849,15 3,23071 1 0,3095
-193,45 193,45 0,736 0,736 1
-74,24 74,24 0,28247 0,28247 1
271,92 271,92 1,03457 1 0,9665
15,91 15,91 0,06053 0,06053 1
å=
5. Pembobot wi,1 digunakan untuk menghitung koefisien regresi yang baru, yaitu bRobust ke 2.
n
6. Perhitungan ini dilanjutkan sampai didapatkan i
i m
1
. |e | konvergen.
Pada contoh ini didapatkan penaksir robust berikut :
n
å=
Tahap b0, Robust b1, Robust b2, Robust b3, Robust b4, Robust b5, Robust b6, Robust b7, Robust i
i m
1
. |e |
OLS 134,968 -1,2837 1,8035 29,3248 7068,30
1 140,322 -1,4676 2,0749 27,9085 6531,39
2 137,058 -1,5646 2,2616 27,7528 6335,89
3456
3
4. 789
107,735 -1,73117 2,4692 0,5313 -15,7004 -3,7755 -14,1068 28,2999 6050,12
Deteksi Pencilan :
Unusual Observations
Obs x1 y Fit SE Fit Residual St Resid
15 114 3559,9 4225,1 339,9 -665,2 -2,20R
20 97 1880,8 2750,9 275,5 -870,1 -2,40R
23 811 3534,5 3694,8 452,5 -160,3 -3,28RX
24 385 8266,8 7853,5 426,1 413,3 2,58R
R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large influence.
Residual Plots for y
Normal Probabilit y Plot of t he Residuals Residuals Versus t he Fit t ed Values
Residual
Per cent
99
90
50
10
1
-1000 -500 0 500 1000
Fit ted Value
Residual
0 2000 4000 6000 8000
1000
500
0
-500
-1000
Hist ogram of t he Residuals Residuals Versus t he Order of t he Dat a
Residual
Fr equency
-800 -400 0 400 800
8
6
4
2
0
Obser vat ion Or der
Residual
2 4 6 8 10 12 14 16 18 20 22 24
1000
500
0
-500
-1000
4
8. mconstant n s k2 r k1 iter dev
mcolumn X.1-X.7 Y b e eb pseb w b0 b1 b2 b3 b4 b5 b6 b7 eet deve deee
mmatrix
let n=count(Y)
regres Y 7 X.1-X.7;
coef b;
residual e;
Tresiduals eet;
constant;
brief 0.
let b0(1)=b(1)
let b1(1)=b(2)
let b2(1)=b(3)
let b3(1)=b(4)
let b4(1)=b(5)
let b5(1)=b(6)
let b6(1)=b(7)
let b7(1)=b(8)
let iter=20
DO k2=2:iter
let s=1,5*median(abs(eet))
let eb=eet/s
let r=1
DO k1=1:25
IF abs(eb(k1))<=r
let pseb(k1)=eb(k1)
ELSEIF eb(k1)>r
let pseb(k1)=r
ELSE
let pseb(k1)=-r
ENDIF
ENDDO
print k2
let w=pseb/eb
print w
regres Y 7 X.1-X.7;
weights w;
coef b;
residual e;
Tresiduals eet;
constant;
brief 0.
let b0(k2)=b(1)
let b1(k2)=b(2)
let b2(k2)=b(3)
let b3(k2)=b(4)
let b4(k2)=b(5)
let b5(k2)=b(6)
let b6(k2)=b(7)
let b7(k2)=b(8)
let deve(k2)=sum(abs(e))
let deee(k2)=sum(abs(eet))
ENDDO
print b0 b1 b2 b3 b4 b5 b6 b7 deve deee
ENDMACRO
MTB > %robust2.txt 'X1' 'X2' 'X3' 'X4' 'X5' 'X6' 'X7' 'Y'
Executing from file: D:Program FilesMINITAB 14MACROSrobust2.txt
Data Display
k2 2,00000
Data Display
w
1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 0,93996
1,00000 1,00000 1,00000 0,45567 1,00000 1,00000 1,00000
0,28104 1,00000 0,53190 0,56341 0,70277 0,24705 0,34471
0,44092 0,13505 0,22060 1,00000
Data Display
k2 3,00000
Data Display
w
1,00000 1,00000 1,00000 1,00000 1,00000 1,00000 0,68429
1,00000 1,00000 1,00000 0,68897 1,00000 1,00000 1,00000
0,47484 1,00000 0,86256 1,00000 0,90994 0,50544 0,56872
1,00000 0,27762 0,61151 1,00000
Data Display
k2 4,00000
Data Display
8