• Document: ANALISIS PEUBAH GANDA (MULTIVARIATE ANALYSIS
  • Size: 422.74 KB
  • Uploaded: 2019-03-24 04:06:14
  • Status: Successfully converted


Some snippets from your converted document:

ANALISIS PEUBAH GANDA (MULTIVARIATE ANALYSIS Pengantar Analisis Peubah Ganda Dr.Ir. I Made Sumertajaya, MSi Departemen Statistika-FMIPA IPB Email : kuliah_apg@yahoo.com Password: pakmade Materi APG No Materi I Pendahuluan (Introduction) II Sebaran Normal Ganda (The Multivariate Normal Distribution) III Inferensia Vektor Rataan (Inferences about a Mean Vector) IV Perbandingan Dua Vektor Rataan (Comparison of two mean vectors) V MANOVA VI Analisis Profil (Profile Analysis) VII UTS VIII Analisis Komponen Utama (Principal Component Analysis) IX Analisis Faktor (Factor Analysis) X Analisis Korelasi Kanonik (Canonical Correlation Analysis) XI Analisis Gerombol (Cluster Analysis) XII Analisis Diskriminan (Discriminant Analysis) XIII Analisis Biplot (Biplot Analysis) XIV Analisis Korespondensi (Correspondency Analysis) XV Analisis Regresi Multivariate (Path analysis dan SEM) XVI UAS Pengamatan Peubah Ganda  Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja  Kasus pengamatan peubah ganda dijumpai di seluruh bidang terapan  Perlu analisis lebih canggih, jika antar peubah tidak saling bebas Beberapa Notasi  Misal p peubah diamati dari n Obs X1 X2 … Xp objek 1 x 11 x 21 … x p1  Skala pengukuran peubah bisa 2 x 12 x 22 … x p2 nominal, ordinal, interval, atau rasio 3 x 13 x 23 … x p3  Dapat berupa 4 x 14 x 24 … x p4 peubah bebas maupun peubah … … … … … tak bebas n x 1n x 2n … x pn Notasi berikut khusus untuk peubah- peubah berskala interval atau rasio  Vektor peubah  X1  X  acak:  2 p X1   ...     X p   Nilai harapan  E  X 1   1   E  X     vektor peubah E p X 1    2    2 acak  ...   ...       E X p    p  Matriks Ragam-peragam (Variance Covariance Matrix)  var( x1 ) cov(x1 , x2 )  cov(x1 , x p )   11  12  1p   cov(x , x ) var( x2 )  cov(x2 , x p )  21  22   2 p  Cov( X )  p  p   2 1                  cov(x p , x1 ) cov(x p , x2 )  var( x p )   p1  p 2   pp  dimana: Cov( X i , X i )  Var( X i )   ii   i2  E  X i  E ( X i )  2 Cov( X i , X j )   ij  E  X i  E ( X i ) X j  E ( X j )   Matriks korelasi  1 12 1 p    2 p  berukuran pxp p Rp   21 1  ...      p1  p2 1   Hubungan matriks 1 1 ragam peragam  p R p  D    D  dengan matriks i  i  korelasi 1   Matriks D, matriks  0 ... 0  diagonal berukuruan  1 1   1  0 0  pxp ...

Recently converted files (publicly available):