Kelompok IV:

Furida Siagian, Indiana Marethi, Rosiana Disiati

UJI PADA SATU ATAU

DUA VEKTOR MEAN
1.

2.
3.
4.

Perbandingan Uji Multivariat

dengan Uji Univariat
Tes Pada Jika Diketahui
Tes Pada Jika Tidak
Diketahui
Perbandingan Dua Vektor
Mean

Perbandingan Tes Multivarat dan Tes Univariat

Uji hipotesis dalam konteks multivariat lebih kompleks
daripada univariat.
Ada 4 argumen untuk pendekatan uji hipotesis
multivariat :
Kegunaan dari uji univariat p mengembangkan kesalahan tipe
I, , padahal tes multivariat mempertahankan nilai level .
Uji univariat menolak korelasi antar variabel, padahal uji
multivariat membuat penggunaan langsung dari korelasi.
Uji multivariat lebih kuat dalam beberapa hal. Kekuatan dari
uji ini adalah mungkin penolakan H0 ketika H0 salah.
Banyak uji multivariate yang melibatkan mean sebagai hasil
kontruksi dari kombinasi linear beberapa variabel yang
mengungkapkan lebih banyak bagaimana variabel-variabel
bergabung menolak hipotesis.

Tes Pada Jika Diketahui

Pertama-tama kita mengulang permasalahan pada uji univariat,
dimana kita gunakan variabel y tunggal yang didistribusikan
sebagai N(, 2).
Mengulang Uji Univariat Untuk H0 : Dengan
Diketahui
Hipotesis yang menarik adalah bahwa mean dari y = nilai yang diberikan, 0
, berbanding dengan alternativ yang tidak sama dengan 0 :
H0 : = 0 vs H1 : 0
Kita mengasumsikan sebuah sampel acak dari observasi y1,y2, .,yn
n
dari N(, 2) dengan 2 yang diketahui. Kita hitung = i 1 yi / n
dan bandingkan ke menggunakan tes statistik
z

y 0

y 0

Yang didistribusikan sebagai N (0,1) jika H0 benar. Untuk = 0.05 kita

menolak H0 jika z 1.96.
kita dapat gunakan z2 jika yang didistribusi sebagai X2 dengan satu derajat
kebebasan dan tolak jika z2 (1.96)2 = 3.84.

Uji Multivariat Untuk H0 : Dengan

Diketahui

Dalam hal multivariat kita punya beberapa variabel diukur pada setiap unit sampel
dan kita berharap menghipotesiskan sebuah nilai untuk mean dari masing-masing
variabel, Dalam hal multivariat kita punya beberapa variabel diukur pada setiap unit
sampel dan kita berharap menghipotesiskan sebuah nilai untuk mean dari masingmasing variabel, H0 : =0 vs H1 : 0.

1 01
1 01

2 02
2 02
H 0 : , H1 : ,

p 0p
p 0p

dimana setiap 0j ditentukan dari pengalaman sebelumnya / nilai capaian. Persamaan

vektor di H0 menyiratkan 0 = j untuk semua j = 1,2,,p.
Untuk menguji H0 kita gunakan sampel random untuk observasi vektor n y1,y2,
.,yn dari Np(,) dengan diketahui = n y / n . Pengujian tes statistiknya
i 1 i
adalah Z 2 n( y ) 1 ( y ).
0
0
2
Jika H0 diterima, Z didistribusikan sebagai X p2 dengan (4.6), dan oleh karena itu kita
tolak H0 jika
2
2

Z X,p .

Contoh 5.2.2
Pada table 3.1, tinggi dan berat dibrikan untuk sampel dari 20 usia
mahasiswa laki-laki. Mari kita asumsikan bahwa sampel asli ini adalah
bivariat normal

Dari tabel 3.1 maka didapat :

y1 71.45 dan y2 164.7

N 2 ( , ), dimana :
Mis : H 0 : (70,170).

20 100

100 1000

Maka :
Z 2 n( y 0 ) 1 ( y 0 )

1
71.45 70 20 100 71.45 70

(20)
164
.
7

170
100
1000
164
.
7

170

.1 .01 1.45

8.4026.
(20) (1.45 5.3)
.01 .002 5.3

Pergunakan = 0.05, X 2 5.99 dan kita menolak

.05, 2
2
karena Z = 8.4026 > 5.99.

H 0 : (70,170)

Daerah penolakan untuk y ( y1 , y 2 ) adalah diatas atau diluar

elips didalam gambar 5.1; bahwa tes statistik Z2 lebih besar
daripada 5.99 jika dan hanya jika diluar elips. Jika jatuh didalam
elips maka H0 diterima.

Persegi panjang diperoleh dari perhitungan dua daerah penerimaan

01 1.96
02 1.96

1
n

2
n

y1 01 1.96
y 2 02 1.96

1
n

2
n

,
.

Angka didalam elips tapi diluar persegi panjang akan ditolak sekurangkurangnya satu dimensi univariat tetapi diterima secara multivariat.
Angka diluar elips tapi didalam persegi panjang akan ditolak secara multivariat
tapi diterima secara univariat dikedua dimensi.

4. Perbandingan Dua Vektor

Mean

Review dari Univariat Dua-Sampel Uji-

11 , 12 , , 11 dari 1 , 1 2

21 , 22 , , 22 dari 2 , 2 2
Asumsikan bahwa kedua sampel saling bebas sehingga
1 2 = 2 2 = 2 , 2 tidak diketahui.
Dari dua sampel kita menghitung
1 , 2 , 1 = 1 1 12 , 2 = 2 1 22 , dan kumpulan
varian
2
2

1
2
1
2
1
2
2 =
=
1 + 2 2
1 + 2 2

adalah suatu estimator tak bias untuk

2
variansi umum, 2 , sehingga,
= 2.

Untuk uji
0 : 1 = 2
Kita gunakan

1 : 1 2

1 2

1
1

+
1 2
kita menolak 0 jika 2,1 +2 2

Multivariat Dua-Sampel Uji-

Kita akan menguji

0 : =

1 :

Sampel acak
, , , dari ,
, , , dari ,
Asumsikan saling bebas, 1 = 2 = , katakan, dengan tidak
diketahui.
1
2
Vektor mean sampel adalah = =1
1 1 dan = =1
2 2 .
Definisikan dan menjadi matriks SSCP :
1

1 1 1 1

= 1 1 ,

2 2 2 2

= 2 1 .

=1
2

=
=1

Karena 1 1 1 adalah estimator tak bias dari 1 1 dan

2 1 2 adalah estimator tak bias dari 2 1 , kita dapat
mengelompokan mereka untuk mendapatkan suatu estimator tak bias
dari populasi umum matriks kovarian, :
1
=
+
1 + 2 2
1
=
1 + 2 1
1 + 2 2 1
Sehingga = .
Kita gunakan

1 2
1
=
1 2
1 2
1 + 2
2
menolak 0 jika 2 ,
1 +2 2
2

Statistik- 2 (5.9) dapat dinyatakan ke dalam bentuk karakteristik

sebagai jarak standar antara 1 dan 2
1
1
1
2 = 1 2
+

1 2
1 2

Berikut sifat sifat dari dua sampel uji- 2 :

1. Diperlukan 1 + 2 2 > untuk menjadi nonsingular.
Statistik 2 adalah skalar. Sejumlah 3 + ( 1)/2 pada 1 , 2 , dan
telah berkurang menjadi suatu skala tunggal yang 2 besar jika bukti
sampelnya lebih ke 1 : dan kecil jika buktinya mendukung 0 : =
; kita menolak 0 jika jarak standar antara dan besar.
2
3. Karena batas bawah adalah nol dan tidak ada batas atas, densitasnya
miring. Bukti, seperti tercantum pada (5.11) di belakang, 2 berhubungan
langsung dengan , yang dikenal sebagai distribusi skew.
2
4. Untuk derajat bebas kita memiliki 1 + 2 2, yang sama untuk
kecocokan statistik- univariat (5.8)
2
2
5. Hipotesis alternatif 1 : adalah dua sisi. Wilayah kritis >
adalah one-tailed, tetapi, sebagai kekhasan dari banyaknya uji multivariat.
2
6. Statistik- dapat langsung diubah ke statistic- menggunakan (5.7) :
1 + 2 1 2
= ,1+21 ,
1 + 2 2
Dengan dimesi pada statistik- 2 menjadi parameter derajat bebas pertama
untuk statistik-
2.

Uji Rasio Likelihood

Ketika diterapkan untuk sampel normal multivariate dan

0 : 1 = 2 , pendekatan rasio likelihood mengarah
langsung ke uji- 2 hotelling pada (5.9). Sama halnya, pada
kasus satu sampel, statistik- 2 pada (5.5) adalah uji rasio
likelihood. Sehingga uji- 2 , yang dikenalkan secara tidak
langsung, adalah uji terbaik menurut kriteria tertentu