1 / 11

Pertemuan 6

Pertemuan 6. Sebaran Normal Ganda (II). Matakuliah : I0214 / Statistika Multivariat Tahun : 2005 Versi : V1 / R1. Learning Outcomes. Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : Mahasiswa dapat menghitung matriks ragam  C2

destiny-wilcox
Download Presentation

Pertemuan 6

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Pertemuan 6 Sebaran Normal Ganda (II) Matakuliah : I0214 / Statistika Multivariat Tahun : 2005 Versi : V1 / R1

  2. Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : • Mahasiswa dapat menghitung matriks ragam  C2 • Mahasiswa dapat menghitung matriks korelasi  C3

  3. 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: 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 Bila digunakan pembagi n-1 sebagai ganti n, variansi sampel merupakan penduga tak bias Variansi sampel untuk variabel ke-i adalah i = 1, 2, ... , p Kovariansi sampel untuk variabel ke-i dan k adalah

  7. <<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

More Related