ANALISIS MULTIVARIAT
Pengantar Analisis Multivariat Lanjutan
g
j
Irlandia Ginanjar M.Si
Jurusan Statistika FMIPA Unpad Jurusan Statistika‐FMIPA Unpad
Notasi untuk variabel‐variabel berskala
l
interval atau rasio
k b l k
• Vektor variabel acak:
⎥ ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎢ ⎡ = p X X X ... 2 1 1
• Nilai harapan vektor
⎥ ⎥ ⎦ ⎢ ⎢ ⎣Xp
• Nilai harapan vektor variabel acak ( ) ( ) ( ) μ μ μ = ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎡ = ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎡ = E X X E X E 2 1 2 1 1 ( ) ( ) μ μ = ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ = ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ = p p p X E X E ... ... 1
Matriks Ragam-peragam (Variance Covariance Matrix) ⎥ ⎤ ⎢ ⎡ ⎥ ⎤ ⎢
⎡ var(x1) cov(x1,x2) L cov(x1,xp) σ11 σ12 L σ1p
Matriks Ragam peragam (Variance Covariance Matrix)
⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ = ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ = ∑ = p p p p p p x x x x x x x x x x X Cov σ σ σ σ σ σ M O M M L M O M M L 2 21 22 2 2 1 2 ) var( ) cov( ) cov( ) , cov( ) var( ) , cov( ) ( ⎥⎦ ⎢⎣ ⎥⎦
⎢⎣cov(xp,x1) cov(xp,x2) L var(xp) σp1 σp2 L σpp
dimana:
(
)
(
( ))
(
( ))
) , ( ) ( ) ( ) , ( 2 2 j j i i ij j i i i i ii i i i X E X X E X E X X Cov X E X E X Var X X Cov − − = = − = = = = σ σ σM t ik k l i b k ⎡ 1 ρ ρ ⎤ • Matriks korelasi berukuran pxp ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = 1 ... 1 1 2 1 2 21 1 12 p p p p p pR ρ ρ ρ ρ ρ ρ • Hubungan matriks ragam peragam dengan matriks korelasi ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ∑ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = i i p pR D σ D σ 1 1 korelasi • Matriks D, matriks diagonal berukuruan pxp ⎢⎡1 0 0 ⎥⎤ berukuruan pxp ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡ = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ i D σ σ σ 1 0 0 ... ... ... ... 0 ... 1 0 0 ... 0 1 2 1 ⎥ ⎥ ⎦ ⎢ ⎢ ⎣ σp ... 0 0
Beberapa notasi untuk data sampel
Beberapa notasi untuk data sampel
k b k ⎡ n ⎤ • Vektor rataan berukuran px1, merupakan penduga bagi vektor μ 1 μˆ 2 1 1 2 1 1 = ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡ = ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎡ = ∑ ∑ = = x n x x x x n i i n i i p e to μ ... ... 1 ⎥⎥ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ ∑ = n x n x n i pi p • Matriks ragam peragam berukuran pxp, merupakan d b i t ik Σ ˆ ... ... 2 1 2 22 21 1 12 11 ∑ = ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = s s s s s s s s s S n pp p p p p p p penduga bagi matriks Σ ( ) ( )( ) 1 1 1 1 2 2 − − = − − = = ∑ ∑ = = n x x x x s n x x s s n k j jk i ik ij n j i ij i ii 1 − nk k l • Matriks korelasi berukuran pxp, merupakan penduga = ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = p p p p p p r r r r r r R 2 1 2 21 1 12 ˆ 1 ... ... ... ... ... ... 1 ... 1 ρ p p g bagi matriks ρ ( )( ) ( ) ∑( ) ∑ ∑ = − − − − = = ⎦ ⎣ n j jk n i ik n k j jk i ik ij ii x x x x x x x x r r 2 2 1 1 ( ) ∑( ) ∑ = = k j jk k i ik x x x x 1 1
Konsep Jarak
Konsep Jarak
k k • Jarak pengamatan ke titik pusat • Jarak antar (x x) (x x) di = i − ' i − Jarak antar pengamatan (i,j) – Jarak Euclidean di.j = (xi − xj)(' xi −xj) – Jarak Mahalanobis – Jarak Minkowski (City Block) ( i j) ( i j) j i x x S x x d. = − ' −1 − ( )(' ), 2,3,4,.... . = x − x x −x k = d k j i j i j i )¾ Definisi Matriks ¾ Definisi Matriks Susunan angka‐angka di dalam kotak yang dibagi ke dalam baris dan kolom. Misalkan terdiri dari n baris dan p kolom, maka matriks tersebut berdimensi n x p. contoh : ⎥ ⎤ ⎢ ⎡3 4 5 ⎥ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎢ ⎣5 5 10 7 0 12 2 9 1 ⎦ ⎣5 5 10
¾ k ¾ Matriks Putaran Diperoleh dengan cara menukar baris dan kolomnya, di t ik d A’ dinotasikan dengan A’. contoh : ⎤ ⎡1 2 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 6 4 2 5 3 1 ' A ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 6 5 4 3 2 1 A ⎥⎦ ⎢⎣ 65 ¾ Matriks Simetrik
Jika A = A’ maka A adalah matriks simetrik
⎥ ⎤ ⎢ ⎡1 2 5 ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ 5 9 0 9 7 2
¾ Matriks Diagonal Jika matriks n x n yang semua unsur nondiagonalnya bernilai nol, disebut matriks diagonal. ⎥ ⎤ ⎢ ⎡5 0 0 ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣0 0 7 0 0 0 ¾ M t ik Kh ¾ Matriks Khusus - matriks identitas k l - matriks nol - matriks segitiga
¾ Kebebasan Linier Sekumpulan vektor kolom atau baris tak nol dikatakan bebas linier jika tidak ada satupun yang bisa dituliskan b i k bi i li i d i kt l i sebagai kombinasi linier dari vektor lainnya. ⎥ ⎥ ⎤ ⎢ ⎢ ⎡ 4 9 3 1 ⎥ ⎥ ⎦ ⎢ ⎢ ⎣10 11 ¾ Pangkat Matriks ¾ Pangkat Matriks
Banyaknya baris atau kolom pada
matriks itu yang bersifat bebas linier.
¾ Matriks Singular dan Nonsingular ¾ Matriks Singular dan Nonsingular
Matriks A n x n dikatakan singular jika semua baris
atau kolomnya saling bebas linier.y g
¾ Kebalikan Matriks
Untuk matriks persegi A, jika berlaku Untuk matriks persegi A, jika berlaku
AB = BA= I, maka B adalah matriks kebalikan dari A,
dinotasikan A‐1
.
dinotasikan A.
⎤ ⎡1 3 ⎡ 4 3 ⎤ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 4 9 3 1 A ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − = − 23 1 23 9 23 23 1 A ⎦ ⎣ 23 23¾ Normal Vektor Euclidian
Sebuah vektor a berukuran n x 1 memiliki panjang Sebuah vektor a berukuran n x 1 memiliki panjang yang didefinisikan sebagai :
a a' a a
Dan vektor normal dari a =a/√a’a
memiliki norma √22+12+22 3 memiliki norma √22+12+22 =3 ⎥ ⎤ ⎢ ⎡ 2 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 2 1 2 a ⎥ ⎥ ⎥ ⎥ ⎢ ⎢ ⎢ ⎢ = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 3 1 3 2 1 2 3 1 b ⎥⎦ ⎢⎣2 ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ ⎥⎦ ⎢⎣ 3 2 2
¾ Jarak Euclid antar Dua Vektor
Jika dua buah vektor a dan b berukuran n x 1 maka Jika dua buah vektor a dan b berukuran n x 1 maka jarak euclid: ) ( )' ( ) , (a b a b a b d = − − ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 2 3 5 a ⎥ ⎥ ⎤ ⎢ ⎢ ⎡ = ⎥⎦ ⎢⎣ 1 6 2 b 3 ) 4 2 ( ) 1 3 ( ) 6 5 ( ) , (a b = − 2 + − 2 + − 2 = d ⎥ ⎥ ⎦ ⎢ ⎢ ⎣ = 4 1 b
¾ Vektor dan Matriks Ortogonal Dua buah vektor berukuran n x 1 dikatakan ortogonal g satu sama lain jika a’b=0. ⎤ ⎡5 ⎡−1⎤ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 5 9 a ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 1 0 1 b ⎦ ⎣
Sebuah matriks A berukuran n x n adalah matriks ortogonal jika A’A=AA’=I.
⎥ ⎤ ⎢ ⎡ 1 1 − 1 ⎥ ⎥ ⎥ ⎥ ⎥ ⎢ ⎢ ⎢ ⎢ ⎢ − − = 6 1 2 1 3 1 6 2 3 A ⎥ ⎥ ⎦ ⎢ ⎢ ⎣ 6 2 0 3 1
¾Akar Ciri dan Vektor Ciri
Untuk matriks A berukuran n x n maka
pasangan‐pasangan (λ
1,x
1),…,(λ
n,x
n) dikatakan
pasa ga pasa ga (λ
1,
1), ,(λ
n,
n) d ata a
sebagai pasangan akar ciri dan vektor ciri yang
ortonormal jika berlaku:
j
Ax
1= λ
1x
1:
:
Ax
n= λ
nx
n¾ Penguraian Spektral dari Sebuah Matriks Simetrik
A=PΛP’
A=PΛP
dengan A adalah matriks simetrik n x n, P adalah suatu matriks
ortogonal dan Λ adalah matriks diagonal. P=(x1|x2|…|xn) dan
λ λ ) Λ=diag(λ1,…, λn) ¾ Determinan Matriks ¾ Determinan Matriks yaitu perkalian dari seluruh akar ciri dari matriks persegi n x n A, |A|= λ1x….x λn ¾ Teras Matriks
teras dari matriks A n x n, tr(A) adalah penjumlahan semua teras dari matriks A n x n, tr(A) adalah penjumlahan semua akar cirinya.
tr(A)= λ1+ ….+λn , yang sebanding dengan jumlah dari semua
unsur diagonal utamanya unsur diagonal utamanya.
¾ Bentuk Kuadratik Mi l A d l h ik b k d d l h Misal A adalah matrik berukuran n x n dan x adalah vektor peubah berukuran n x 1 maka: n n
∑∑
= = = n i n j j i ijx x a Ax x 1 1 ' 2 2 ) ( ) ( n n n n n n n nnx a a x x a a x x a x a11 12 +...+ 2 +( 12 + 21) 1 2 +...+ ( −1, + , −1) −1 =Bentuk itu adalah bentuk kuadratik dari x. Contoh: ⎥ ⎤ ⎢ ⎡1 2 3 ⎥ ⎤ ⎢ ⎡ 1x ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ = 1 1 1 1 2 4 A ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ = 3 2 x x x maka 3 2 3 1 2 1 2 3 2 2 2 1 2 6 4 2 ' Ax x x x x x x x x x x maka + + + + + =
¾ Matriks Definit dan Semidefinit Positif ik i ik b k b if Matriks simetrik berukuran n x n bersifat: ‐definit positif jika x’Ax > 0 untuk sembarang vektor x ≠ 0 ‐semidefinit positif jika x’Ax ≥ 0 untuk sembarang vektor x ≠ 0
¾Akar Kuadratik Matrik Semidefinit Positif
¾Akar Kuadratik Matrik Semidefinit Positif
A=matrik semidefinit positif, diperoleh matriks
∆ atas U sehingga
∆ atas U sehingga
A=U’U
(penguraian Cholesky)
Akar kuadrat dari matrik simetrik:
A=PΛP’=(PΛ
(
1/2P’)(PΛ
)(
1/2P’)=A
)
1/2A
1/2dimana P matrik ortogonal dan Λ matriks
diagonal.
diagonal.
¾Perkalian Kronecker
Perkalian Kronecker C denganD dinotasikan
D
C
⊗ D
C
⊗
Yaitu dengan mengalikan setiap unsur
matriks C dengan matriks D, dan
matriks C dengan matriks D, dan
kemudian membuat matriks
gabungannya.
h
⎡ 1 0 3 4 ⎤ ⎥ ⎤ ⎢ ⎡ 1 1 4 0 4 3 0 1 Ccontoh:
⎥ ⎥ ⎤ ⎢ ⎢ ⎡ = 3 1 D ⎥⎥ ⎥ ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎡ − = ⊗ 0 12 3 3 1 1 4 0 28 21 0 7 12 9 0 3 D C ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎣ − − = 2 3 1 1 1 1 4 0 C ⎥ ⎥ ⎦ ⎢ ⎢ ⎣ = 7 3 D ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ − − − − = ⊗ 6 9 3 3 2 3 1 1 7 7 28 0 3 3 12 0 D C ⎥ ⎦ ⎢ ⎣ 7 7 − 21 14Partisi Matriks Partisi Matriks ⎥ ⎤ ⎢ ⎡ x1 ⎥ ⎤ ⎢ ⎡ s11 ... s1q | s1,q+1 ... s1p ⎥ ⎥ ⎥ ⎤ ⎢ ⎢ ⎢ ⎡ − − − = ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ − − − = ) 1 ( ) 1 ( : x x x q px ⎥ ⎥ ⎥ ⎥ ⎥ ⎢ ⎢ ⎢ ⎢ ⎢ + qp q q qq q s s s s S ... | ... : ... : | : ... : 1 , 1 ⎥ ⎥ ⎦ ⎢ ⎢ ⎣ ⎥ ⎥ ⎥ ⎥ ⎦ ⎢ ⎢ ⎢ ⎢ ⎣ +1 (2) ) 1 ( : x x x p q px ⎥ ⎥ ⎥ ⎥ ⎥ ⎢ ⎢ ⎢ ⎢ ⎢−− −− −− − −− −− −− = + + + + + q q q q q p q pxp n s s s s S : : | : : ... | ... 1, 1, 1 1, 1 , 1 ) ( ⎦ ⎣ p ⎥ ⎥ ⎦ ⎢ ⎢ ⎣ sp ... spq | spq+ ... spp : ... : | : ... : 1 , 1 q p−q ⎥ ⎥ ⎤ ⎢ ⎢ ⎡ − − − − 12 11 | | s s q q q p− = ⎥ ⎥ ⎦ ⎢ ⎢ ⎣s21 | s22 q p−