Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
Sebaran Normal Ganda (II)
Matakuliah : I0214 / Statistika Multivariat Tahun : Versi : V1 / R1 Pertemuan 6 Sebaran Normal Ganda (II)
2
Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu :
Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Mahasiswa dapat menghitung matriks ragam C2 Mahasiswa dapat menghitung matriks korelasi C3
3
Vektor mean dan matriks variansi Matriks kovarian Matriks korelasi
Outline Materi Layout data Vektor mean dan matriks variansi Matriks kovarian Matriks korelasi
4
<<ISI>> Layout Data …
Misalkan ada n pengamatan pada p variabel dapat ditulis dengan: Variabel 1 … Variabel j Variabel p Kasus 1 x11 x1j x1p Kasus 2 x21 x2j x2p Kasus i xi1 xij xip Kasus n xn1 xnj xnp xij menunjukkan nilai pada variabel ke j untuk kasus ke i
5
<<ISI>> Dalam bentuk matriks dapat ditulis :
6
<<ISI>> Mean sampel untuk variabel ke-i bila ada p variabel dan n pengamatan adalah i = 1, 2, ... , p Variansi sampel untuk variabel ke-i adalah Bila digunakan pembagi n-1 sebagai ganti n, variansi sampel merupakan penduga tak bias i = 1, 2, ... , p Kovariansi sampel untuk variabel ke-i dan k adalah
7
Karakteristik Populasi
<<ISI>> Karakteristik Populasi
8
<<ISI>> Karakteristik Sampel
9
<<ISI>> Koefisien korelasi
Koefisien korelasi sampel untuk variabel ke-i dan k adalah dimana : i = 1, 2, ... , p dan k = 1, 2, ..., p rik = rki untuk setiap i dan k rik mempunyai harga sama bila digunakan pembagi n atau n - 1 pada Sii, Skk dan Sik
10
<<ISI>> Matriks Korelasi
11
<< CLOSING>>
Sampai dengan saat ini Anda telah mempelajari vektor mean dan matriks varian, matriks peragam, dan matriks korelasi Untuk dapat lebih memahami konsep dasar matriks multivariat tersebut, cobalah Anda pelajari materi penunjang, website/internet dan mengerjakan latihan
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.