SEBARAN BENTUK KUADRAT

Slides:



Advertisements
Presentasi serupa
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Advertisements

EKSPEKTASI DAN VARIANSI
Distribusi Normal.
BABAK FINAL KOMPETISI MATEMATIKA SOAL REBUTAN (20 POIN)
PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS BRAWIJAYA 2010
Distribusi Chi Kuadrat, t dan F
STUDIOPERANCANGAN KOTA
Motivation 9:30 Prinsip prosedur statistika: Random sampel
Bentuk Kuadrat dan Distribusinya
Hypothesis Testing In Full Rank Model
Kelompok : 1.Ade Nining Suryani ( ) 2.Aditiarana ( ) 3.Annisa Turradyah ( ) 4.Diyana Susanti ( )
Sebaran Bentuk Kuadrat
PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS BRAWIJAYA 2010
Pendahuluan Landasan Teori.
InversRANK MATRIKS.
Limit Distribusi.
BEBERAPA EKSPEKTASI KHUSUS
MICROSOFT EXCEL PROGRAM KEAHLIAN TEKNOLOGI INFORMASI
FUNGSI FITRI UTAMININGRUM.
PRAKTIKUM MICROSOFT VISIO
Model Berpangkat Tidak Penuh
SAMPLING DAN DISTRIBUSI SAMPLING
MODEL LINIER Lia Yuliana, S.Si., MT. Tahun Akademik 2011/2012.
BENTUK KUADRAT.
MODEL BERPANGKAT PENUH
Distribusi Gamma dan Chi Square
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
DISTRIBUSI TEORETIS Tujuan :
PROGRAM STUDI TEKNIK INFORMATIKA UNIVERSITAS BRAWIJAYA 2010
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
Pengantar Model Linier
MODEL BERPANGKAT PENUH
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
KOEFISIEN KORELASI.
DISTRIBUSI DARI FUNGSI VARIABEL RANDOM
PERMUTASI Merupakan suatu himpunan bilangan bulat {1,2,…,n} yang disusun dalam suatu urutan tanpa penghilangan atau pengulangan. Contoh : {1,2,3} ada 6.
Hypothesis Testing In Full Rank Model
Distribusi Bentuk Kuadrat
Statistika Multivariat
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
LOGO Bentuk Kuadrat Selasa, 26 Maret LOGO 1. Bentuk Umum 2.
TUGAS PRESENTASI MODEL LINEAR
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
RANK FULL MODEL (ESTIMATION)
RANK FULL MODEL (VARIANCE ESTIMATION)
Kelompok 2 Rizki Resti Ari ( ) Naviul Hasanah ( )
RANK FULL MODEL (INTERVAL ESTIMATION)
Probabilitas dan Statistika BAB 10 Uji Hipotesis Sampel Ganda
PENERAPAN PELUANG by Andi Dharmawan.
PERTEMUAN Ke- 4 Dosen pengasuh: Moraida Hasanah, S.Si., M.Si
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
VARIABEL ACAK DAN NILAI HARAPAN
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Distribusi Normal.
Distribusi Normal.
SEBARAN DARI FUNGSI PEUBAH ACAK
Sebaran Normal Ganda (I)
Distribusi Probabilitas Kontinyu
VARIABEL ACAK DAN NILAI HARAPAN
Inferensi Dua Nilaitengah Ganda (III)
MOMENT GENERATING FUNCTION
PERTEMUAN I 6/11/2018
INFERENSI VEKTOR MEAN 1 Statistik Hotelling’s 2
Statistika Multivariat
Analisis Statistika MULTIVARIATE
BAB 8 DISTRIBUSI NORMAL.
Analisis Multivariate Program S2 Matematika Semester Genap 2011/2012
Review Aljabar Matriks
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Distribusi Sampling Menik Dwi Kurniatie, S.Si., M.Biotech.
Transcript presentasi:

SEBARAN BENTUK KUADRAT

Sebaran Multivariat Normal DAFTAR SLIDE Sebaran Multivariat Normal Sebaran Central & Non- Central Chi Squared Sebaran Central & Non-Central F Independensi Bentuk Kuadrat 2

SEBARAN MULTIVARIATE NORMAL Definisi: Jika merupakan p variabel random dan jika y vektor berukuran p× 1 dari variabel-variabel tersebut, maka: merupakan fungsi multivariate normal (p-variate) jika kondisi-kondisi berikut terpenuhi: 3

SEBARAN MULTIVARIATE NORMAL R adalah matriks definit positif dengan elemen-elemen rij merupakan konstanta. K adalah konstanta positif. µi merupakan elemen-elemen ke – i dari vektor µ adalah konstanta. 4

SEBARAN MULTIVARIATE NORMAL Bentuk multivariate normal menjadi: atau dengan  adalah matriks varians kovarians dari vektor y. 5

SEBARAN MULTIVARIATE NORMAL Teorema: MGF Multivariate Normal Jika berdistribusi , maka mgf-nya: Dua sifat penting dari MGF: Jika dua vektor random memiliki MGF yang sama, maka keduanya memiliki pdf yang sama. Dua vektor random saling bebas bhb joint MGF-nya dapat diuraikan menjadi perkalian MGF tiap-tiap vektor random. 6

SEBARAN MULTIVARIATE NORMAL Teorema: Ekspektasi Multivariate Normal Jika gabungan dari berdistribusi normal dengan bentuk kuadratik Q, maka vektor rataan adalah vektor yang merupakan penyelesaian dari sistem persamaan misal: 7

SEBARAN MULTIVARIATE NORMAL Sifat-sifat distribusi multivariate normal: Diketahui vektor random , a vektor konstanta berukuran p×1, dan A matriks konstanta k×p dengan rank k≤p, maka: 8

SEBARAN MULTIVARIATE NORMAL Sifat-sifat distribusi multivariate normal: Diketahui , maka sembarang subvektor berukuran r ×1 (r ≤ p) dari y akan berdistribusi normal r-variate dengan rataan, varians, dan covarians seperti distribusi normal p-variate yang asli. jika , maka setiap individual variabel yi dalam y berdistribusi 9

SEBARAN MULTIVARIATE NORMAL Sifat-sifat distribusi multivariate normal Jika maka y dan x independen jika . → jika , maka setiap dua variabel individu yi dan yj independen jika . → jika dan jika maka Ay dan By independen. 10

kemudian hitung x, y, x, y, dan xy LATIHAN Carilah vektor  dan matriks simetris R sehingga pdf berikut dapat ditulis dalam bentuk kemudian hitung x, y, x, y, dan xy 11

LATIHAN Misalkan kedua variabel random pada soal no. 1 disebut x dan y, carilah distribusi z = x – y 12

carilah pdf dari z = y1 - 2y2 + y3 Carilah pdf dari ; LATIHAN Diketahui dengan carilah pdf dari z = y1 - 2y2 + y3 Carilah pdf dari ; Carilah pdf gabungan dari: y1 dan y2 y1 dan y3 13

Definisi (Sebaran Non Central Chi Squared): Sebaran Chi Squared Definisi (Sebaran Non Central Chi Squared): Diketahui y vektor random berukuran p×1 berdistribusi normal dengan rataan dan varians I. Maka berdistribusi non central chi-squared dengan derajat bebas p dan parameter non central yang dinotasikan dengan 14

Sebaran Chi Squared Fungsi probabilitas : 15

Sebaran Chi Squared MGF: Mean dan Varians: 16

Jika masing-masing independen dengan fungsi distribusi , maka: Sebaran Chi Squared Sifat additive: Jika masing-masing independen dengan fungsi distribusi , maka: Jika maka berdistribusi . 17

Jika , , dengan dan saling bebas, maka Sebaran F Jika , , dengan dan saling bebas, maka berdistribusi non-central F dengan parameter non central . 18

pdf distribusi non central F Sebaran F pdf distribusi non central F Apabila  = 0 dan k = 0, maka distribusi F non central akan menjadi distribusi F central 19

mean dan varians distribusi non central F Sebaran F mean dan varians distribusi non central F 20

Distribusi Bentuk Kuadrat Teorema , maka bhb A matriks idempoten dengan rank k . , maka dengan bhb A matriks idempoten dengan rank k. , maka dengan bhb A matriks idempoten dengan rank k. 21

Distribusi Bentuk Kuadrat , maka bhb idempoten dengan rank k. , maka dengan dan k adalah rank dari A, bhb idempoten. 22

Independensi Bentuk Kuadrat Teorema: Independensi dua bentuk kuadrat Jika , A dan B matriks konstanta maka dan independen bhb ( ). 23

Independensi Bentuk Kuadrat Teorema: Independensi bentuk kuadrat dan linier Jika B dan A matriks konstanta dengan ukuran berturut-turut k×p dan p×p serta maka dan independen bhb ( ). 24

pertanyaan