Bab III Komentar terhadap distribusi vec(r)

dokumen-dokumen yang mirip
Distribusi Normal Multivariat

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG 1.2 TUJUAN

PENDAHULUAN LANDASAN TEORI

MODEL DERET WAKTU HIDDEN MARKOV

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA

BAB III PERSAMAAN ARPS DAN METODE TABEL

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT.

MUH1G3/ MATRIKS DAN RUANG VEKTOR

Aljabar Linear Elementer

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1

RANK DARI MATRIKS ATAS RING

BAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

Pemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun

Metode Regresi Linier

ROTASI (PUTARAN) Diajukan untuk memenuhi tugas mata kuliah GEOMETRI TRANSFORMASI yang diampuh oleh Ekasatya Aldila A., M.Sc.

KAJIAN PEMODELAN DERET WAKTU NONLINIER THRESHOLD AUTOREGRESSIVE (TAR) Puji Noviandari Universitas Jenderal Soedirman

BAB II PERTIDAKSAMAAN CHERNOFF

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

PENENTUAN MODEL INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN ANALISIS FUNGSI TRANSFER

BAB 2 RESPONS FUNGSI STEP PADA RANGKAIAN RL DAN RC. Adapun bentuk yang sederhana dari suatu persamaan diferensial orde satu adalah: di dt

Drs. H. Karso, M.M.Pd. Modul 11 NILAI EIGEN, VEKTOR EIGEN DAN DIAGONALISASI METRIKS

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

1.4 Persamaan Schrodinger Bergantung Waktu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PEMODELAN SMOOTH TRANSITION AUTOREGRESSIVE (STAR) PADA KURS THAI BATH TERHADAP RUPIAH RAHMA NUR CAHYANI

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

Penyelesaian Persamaan Diferensial Hill Dengan Menggunakan Teori Floquet

Bab I Pendahuluan. I.1 Latar Belakang Masalah

BAB III METODE PENELITIAN

0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 7.1

PENGUKURAN VALUE AT RISK DENGAN PENDEKATAN AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC (ARCH) (Studi Kasus Data Saham PT. Gudang Garam Tbk.

Integral dan Persamaan Diferensial

Analisa Performansi Keandalan Pada Boiler dengan Menggunakan Metode Jaringan Syaraf Tiruan di PT. PJB Unit Pembangkit Gresik

BAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun

BAB 4 PENGANALISAAN RANGKAIAN DENGAN PERSAMAAN DIFERENSIAL ORDE DUA ATAU LEBIH TINGGI

Muhammad Firdaus, Ph.D

MAKALAH PERAMALAN DATA TIME SERIES MENGGUNAKAN METODE BOX-JENKINS. OLEH : SHANTIKA MARTHA, S.Si NIP

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

Penerapan Diagram Kontrol Mewma dan Mewmv Pada Pengendalian Kualitas Air Produksi Di Ipam Ngagel I

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB IV PERHITUNGAN NUMERIK

B a b 1 I s y a r a t

1 dz =... Materi XII. Tinjaulah integral

Fungsi Bernilai Vektor

MENENTUKAN MATRIKS PELUANG TRANSISI UNTUK WAKTU OKUPANSI MENGGUNAKAN TRANSFORMASI LAPLACE DAN MATRIKS EKSPONENSIAL

II. Penggunaan Alat Peraga. segitiga, kemudian guru bertanya Berapakah alasnya? (7) Berapakah tingginya? (2), Bagaimanakah cara mendapatkannya?

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

PENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI

Peramalan Inflow dan Outflow Uang Kartal Bank Indonesia di Wilayah Jawa Tengah dengan Menggunakan Metode ARIMA, Time Series Regression, dan ARIMAX

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

Pekan #3. Osilasi. F = ma mẍ + kx = 0. (2)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III METODE PENELITIAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Laplace Transform. Pengantar Matematika Teknik Kimia. Muthia Elma

BAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

Analisa pasang surut dilakukan untuk menentukan elevasi muka air rencana bagi

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

SOLUSI-SOLUSI PERIODIK PADA PERLUASAN FRACTIONAL VAN-DER POL TAK LINEAR

BAB 4 ANALISIS DAN PEMBAHASAN

Ukuran Dispersi Multivariat

II LANDASAN TEORI 2.1 Persamaan Dasar Fluida

Darpublic Nopember 2013

Matematika EBTANAS Tahun 1988

3 METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian 3.2 Pengumpulan Data 3.3 Pengolahan dan Analisis Data Analisis catch per unit effort

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

MA5182 Topik dalam Statistika I: Statistika Spasial 22 November 2012 Utriweni Mukhaiyar

CADANGAN PREMI ASURANSI PENSIUN UNTUK PENSIUN NORMAL PADA STATUS HIDUP GABUNGAN

BAB 1 PENDAHULUAN. Kabupaten Labuhan Batu merupakan pusat perkebunan kelapa sawit di Sumatera

Indikator Ketercapaian Kompetensi Merumuskan. Alokas i Waktu 8x45. Tingkat Ranah. Tingkat Ranah. Materi Pembelajaran

Bab III Studi Kasus Model Double Decrement

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

PENYELESAIAN SISTEM DESKRIPTOR KONTINU

Analisis Peramalan Kombinasi Terhadap Jumlah Permintaan Darah di Surabaya (Studi Kasus: UDD PMI Kota Surabaya)

PEMODELAN PRODUKSI SEKTOR PERTANIAN

I PENDAHULUAN II LANDASAN TEORI

Pemodelan ARIMA Dalam Prediksi Penumpang Pesawat Terbang Pada Bandara Internasional Sam Ratulangi Manado

PENDAHULUAN TINJAUAN PUSTAKA. B ) merupakan. internasional secara simultan dengan menggunakan model VAR. Latar Belakang. Tujuan

PERSAMAAN DIFFERENSIAL PARSIAL DIFUSI NON HOMOGEN SATU DIMENSI

Sub Kompetensi. satuan sintetik berdasarkan ketersediaan data karakteristik DAS

BAB 2 LANDASAN TEORI

UJI KESTABILAN DUA MATRIKS KORELASI MELALUI VEKTOR VARIANSI VARIABEL STANDAR

Sekilas Pandang. Modul 1 PENDAHULUAN

ANALISIS STABILITAS DAN PENAKSIRAN PARAMETER MODEL RENDLEMAN-BARTTER

HUMAN CAPITAL. Minggu 16

BAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan

v dan persamaan di C menjadi : L x L x

BAB I PENDAHULUAN. 1.1 Latar Belakang

MEMBAWA MATRIKS KE DALAM BENTUK KANONIK JORDAN. Irmawati Liliana. KD Program Studi Pendidikan Matematika FKIP Unswagati

Transkripsi:

Bab III Komenar erhada disribusi vec(r Bab ini mengeengahkan enang komenar erhada disribusi asimoik dari mariks korelasi R, dalam benuk vec(r, yang akan menjadi salah sau dasar dalam eneliian diserasi ini. Disribusi ersebu, yang diuliskan kembali dalam Teorema III., daa dijumai dalam Browne dan Sahiro (986, Neudecker dan Wesselman (990, Neudecker (996 sera Scho (007. Yang akan dikomenari adalah bahwa arameer mean dan variansinya ernyaa didasarkan keada nilai endekaan bagi R. Hal ini akan diunjukkan ada bab ini. Selanjunya akan dilakukan kajian simulasi unuk meliha sejauh mana hasil endekaan iu berbeda dengan R. III. Disribusi vec(r Misalkan Z,Z,,ZN samel acak berukuran N dari Z dengan mariks kovariansi P. Jika R adalah mariks korelasi samel, maka vec(r adalah reresenasi dari R dalam benuk vekor. Vekor ini dieroleh dari R dengan menyusun kolom-kolomnya, yang sau di aas yang lain. Browne dan Sahiro (986, Neudecker dan Wesselman (990, Neudecker (996 sera Scho (007 melaorkan bahwa disribusi asimoik dari vec(r dirumuskan dalam Teorema III.. Teorema III. Misalkan X,X,,Xnadalah samel acak berukuran n yang berasal dari variabel acak yang berdisribusi N ( µ, Σ. Maka, { ( R ( P } n vec vec N... (III. d ( 0,Γ di mana a. Γ = M Φ M dengan b. M = ( I K + ; K adalah mariks komuasi yang berukuran ; 3

c. Φ = { I ( I P }( P P I ( I P d. Λ = ( eiei eiei. { } Λ Λ ;, e i adalah kolom ke-i dari mariks idenias I yang berukuran Pada bagian-bagian selanjunya akan diurunkan bahwa arameer mean dan variansi ada disribusi ersebu di dasarkan keada hasil endekaan bagi mariks korelasi R, dan bukan keada R iu sendiri. Unuk menyelidiki endekaan bagi R, digunakan meode Dere MacLaurin. III. Pendekaan bagi Mariks Korelasi Misalkan X,X,,Xn adalah samel acak berukuran n dari disribusi N ( µ, Σ, dan S dan R beruru-uru menyaakan mariks kovariansi dan korelasi samel. Dalam embahasan selanjunya akan sering digunakan mariks yang diberi lambang a D Q yakni mariks diagonal di mana elemen-elemennya adalah elemen-elemen diagonal dari mariks Q seelah diangkakan a. Jadi, D a Q = diag ( q a a a,q,,q bila Q berukuran. Dengan demikian, mariks korelasi samel dan mariks korelasi oulasi beruru-uru daa diuliskan dalam benuk D X i, maka Z,Z,,Zn Σ = dan R D SD S S = Σ Σ P D Σ D saling bebas dan berdisribusi N ( D,P. kibanya, jika Z i = Σ µ. Menarik unuk dicaa bahwa mariks korelasi samel dari Z,Z,,Z n adalah sama dengan mariks korelasi samel dari X,X,,Xn. Unuk menunjukkannya, kia misalkan S* adalah mariks kovariansi samel dari Z,Z,,Zn. Maka, S* = ( var z i = var ( DΣ x i D var x D = ( Σ i Σ 4

= DΣ S DΣ, karena var ( x = S i. Dengan demikian, erdaa hubungan samel Z,Z,,Zn adalah S 0 D = DS* S*D S* = DS DΣ ( DΣ SDΣ DΣ DS = S ( Σ Σ ( Σ Σ D S D D D S D D D S DΣ = Σ S D D. kibanya, mariks korelasi = D S S SD = R. Jadi mariks korelasi samel Z,Z,,Zn sama dengan mariks korelasi samel X,X,,X. n Selanjunya, akan diurunkan nilai endekaan bagi mariks korelasi samel R melalui Dere MacLaurin yang diuliskan dalam benuk lemma beriku. Lemma III. Misalkan Y adalah mariks simeri berukuran dan ε adalah suau skalar osiif sehingga nilai dari ( I + ε Y ada. Misalkan ( I Y + ε adalah suau mariks simeri yang meruakan akar dari ( I + ε Y, yang berari ( I + Y = ( I + Y ( I + Y ε ε ε. Maka di mana, ( i ε ε I + Y I + B i 3 5 3 B = Y, B = Y, B3 Y 8 6 35 4 = dan B4 = Y. 8 Pembukian Lemma III. elah daa dilakukan enulis berdasarkan Meode Perurbasi yang disarankan oleh Scho (997, hal. 36 aauun melalui Dere MacLaurin. 5

Berdasarkan Lemma III., nilai endekaan bagi mariks korelasi samel R daa dirumuskan dalam roosisi beriku. Proosisi III.3 Jika = S* P, maka R daa didekai oleh nilai endekaan orde erama beriku R P+ ( PD + D P Buki Karena S* = P +, maka erdaa hubungan DS* = DP + D. Selanjunya, karena seia elemen diagonal dari P bernilai, maka DP = I. Jadi, DS* = I + D. Jika D = ε Y, maka DS* = I +ε Y. kibanya, R = D S* S*DS* = ( I + εy ( P+ ( I + ε Y =( I + εy P( I + εy + ( I + εy ( I + ε Y Berdasarkan Lemma III., ( I +εy I ε Y. Dengan demikian, R daa diuliskan sebagai beriku. R I εypi εy+ I εyi εy I P εypi εy+ I εyi εy I P I Y YP I Y ε ε ε + I I Y YI Y ε ε ε I PI I P εy εypi εyp ε Y + 6

I I I εy εyi εy ε Y P P Y YP YP Y ε ε ε ε + Y Y Y Y ε ε ε ε, P PεY YP YP Y Y Y Y Y ε ε ε + ε ε ε ε, P P Y YP YP Y ε ε ε ε + Y Y Y Y 4 ε ε ε ε 4 P P Y YP + YP Y + Y Y + Y Y ε ε 4 ε ε ε ε 4 ε ε P PεY εyp + εypεy + εy εy + εyε Y 4 4 Karena ε kecil, maka suku-suku orde dua (angka dua dari ε akan jauh lebih kecil harganya. Dengan demikian, εypεy εy εy + εyε Y 0 dan endekaan 4 4 orde erama dari R adalah R P + ( PD + D P, karena D P + P Y YP ε ε aau R P + ( PεY + ε YP aau R = ε Y. Jadi, erbukilah roosisi di aas Pada Tabel III. diamilkan hasil simulasi unuk membandingkan R dan nilai endekaannya. Unuk iu, dibangkikan daa acak sebanyak n = 00 yang diambil dari N 0,I dengan unuk dari hingga 0. Tabel ersebu menunjukkan disribusi ( bahwa R dan nilai endekaannya idak jauh berbeda. Oleh karena iu, hasil ini akan digunakan ada langkah-langkah eneliian selanjunya. III.3 Mean dan Variansi vec(r Dengan menggunakan Proosisi III.3 di aas, dieroleh endekaan bagi vec(r sebagai beriku, vec(r vec P + ( PD + D P 7

vec( P + vec( vec ( PD + D P vec( P + vec( vec( PD + D P vec( P + vec( { vec( PD + vec ( D P } vec( P + vec( { vec( PDI + vec( DPI } vec( P + vec( {( I P vec( D + ( P I vec( D } vec( P + vec( {( I P + ( P I } vec( D 8

Tabel III.. Perbandingan R dengan endekaannya ( ˆR No R Pendekaan R ( ˆR R ˆR Tr ( R Tr ( Rˆ 3 3 4 4 5.0000-0.96-0.96.0000.0000 0.60-0.055 0.60.0000-0.0689-0.055-0.0689.0000.0000 0.30-0.0607 0.0545 0.30.0000-0.44 0.037-0.0607-0.44.0000-0.03 0.0545 0.037-0.03.0000.0000 0.0509-0.0405-0.043-0.087 0.0509.0000-0.0058 0.44 0.0805-0.0405-0.0058.0000-0.09 0.009-0.043 0.44-0.09.0000-0.04-0.087 0.0805 0.009-0.04.0000.0000-0.4-0.4.0000.0000 0.583-0.054 0.583.0000-0.0690-0.054-0.0690.0000.0000 0.8-0.067 0.0604 0.8.0000-0.47 0.0388-0.067-0.47.0000-0.39 0.0604 0.0388-0.39.0000.0000 0.0496-0.0479-0.0959-0.038 0.0496.0000-0.0065 0.8 0.086-0.0479-0.0065.0000-0.0305 0.09-0.0959 0.8-0.0305.0000-0.04-0.038 0.086 0.09-0.04.0000 0.969 0.9553.074.0894 0.967 0.9684 3.068 3.0655 0.949 0.940 4.05 4.68 0.954 0.9595 5.087 5.077 5 6.0000-0.68-0.094-0.0659-0.045-0.0666-0.68.0000-0.66 0.797-0.0353-0.353-0.094-0.66.0000-0.49-0.0433 0.85-0.0659 0.797-0.49.0000 0.87-0.805-0.045-0.0353-0.0433 0.87.0000 0.086-0.0666-0.353 0.85-0.805 0.086.0000.0000-0.568-0.03-0.0673-0.047-0.0680-0.568.0000-0.80 0.68-0.095-0.9-0.03-0.80.0000-0.40-0.0396 0.830-0.0673 0.68-0.40.0000 0.606-0.74-0.047-0.095-0.0396 0.606.0000 0.064-0.0680-0.9 0.830-0.74 0.064.0000 0.8058 0.860 6.4566 6.4058 9

Tabel III. (Sambungan No R Pendekaan R ( ˆR R ˆR Tr ( R Tr ( Rˆ 6 7 7 8 8 9 9 0.0000 0.0937-0.0504-0.69-0.065 0.0095 0.0756 0.0937.0000-0.09 0.040-0.0679 0.0595 0.0088-0.0504-0.09.0000 0.0943-0.0543-0.379-0.688-0.69 0.040 0.0943.0000-0.0659 0.0777-0.0067-0.065-0.0679-0.0543-0.0659.0000 0.0004-0.7 0.0095 0.0595-0.379 0.0777 0.0004.0000 0.58 0.0756 0.0088-0.688-0.0067-0.7 0.58.0000-0.609 0.097 0.0639-0.04 0.0586 0.0783 0.066-0.609-0.0383 0.678 0.005 0.779-0.06630.0989 0.097-0.0383 0.049-0.0788-0.063-0.080.0986 0.0639 0.678 0.049-0.056-0.3430.09-0.03-0.04 0.005-0.0788-0.056-0.08730.55 0.46 0.0586-0.779-0.063-0.343-0.0873 0.6 0.04 0.0783-0.0663-0.08 0.09 0.55 0.6 0.09 0.066 0.0989 0.0986-0.03 0.46 0.04 0.09 0.0435-0.03-0.069 0.0593-0.083-0.683 0.0707-0.035 0.0435-0.668 0.0436 0.453 0.45-0.77 0.043-0.45-0.03-0.668-0.0408-0.06-0.69 0.086 0.0887 0.0553-0.069 0.0436-0.0408-0.698-0.006 0.0343-0.033 0.007 0.0593 0.453-0.06-0.698-0.0775 0.037 0.0895 0.073-0.083 0.45-0.69-0.006-0.0775 0.005-0.58 0.0538-0.683-0.77 0.086 0.0343 0.037 0.005-0.4 0.0 0.0707 0.043 0.0887-0.033 0.0895-0.58-0.4-0.035-0.035-0.45 0.0553 0.007 0.073 0.0538 0.0-0.035 0.0309 0.055 0.06 0.69 0.0604 0.3-0.079-0.636-0.095 0.0309-0.0 0.0895-0.05 0.0733-0.05 0.43 0.0084-0.0803 0.055-0.0 0.0054 0.38 0.83 0.0605 0.0807 0.078-0.046 0.06 0.0895 0.0054-0.049-0.065-0.75-0.07-0.55-0.0496 0.69-0.05 0.38-0.049 0.5-0.03-0.0869 0.0365 0.0456 0.0604 0.0733 0.83-0.065 0.5 0.4 0.43-0.0644-0.05 0.3-0.05 0.0605-0.75-0.03 0.4 0.006-0.0899 0.008-0.0790.43 0.0807-0.07-0.0869 0.43 0.006-0.0608-0.0337-0.6360.0084 0.078-0.55 0.0365-0.0644-0.0899-0.0608-0.39-0.095-0.0803-0.046-0.0496 0.0456-0.05 0.008-0.0337-0.39.0000 0.0944-0.0559-0.4-0.0580 0.0086 0.0777 0.0944.0000-0.036 0.0396-0.069 0.0558 0.009-0.0559-0.036.0000 0.05-0.0545-0.40-0.957-0.4 0.0396 0.05.0000-0.0575 0.0696-0.0068-0.0580-0.069-0.0545-0.0575.0000 0.0003-0.33 0.0086 0.0558-0.40 0.0696 0.0003.0000 0.53 0.0777 0.009-0.957-0.0068-0.33 0.53.0000-0.63 0.043 0.079-0.0486 0.0607 0.089 0.068-0.63-0.0384 0.766 0.0056-0.7-0.0656 0.095 0.043-0.0384 0.067-0.0905-0.07-0.09 0.0 0.079 0.766 0.067-0.0675-0.45 0.007-0.048-0.0486 0.0056-0.0905-0.0675-0.0968 0.758 0.56 0.0607-0.7-0.07-0.45-0.0968 0.34 0.0396 0.089-0.0656-0.09 0.007 0.7580.34 0.093 0.068 0.095 0.0-0.048 0.560.0396 0.093 0.046-0.0333-0.05 0.0543-0.0753-0.63 0.0697-0.035 0.046-0.035 0.046 0.55 0.49-0.389 0.0483-0.44-0.0333-0.035-0.0486-0.58-0.883 0.035 0.7 0.0707-0.05 0.046-0.0486-0.74-0.006 0.0364-0.0353 0.09 0.0543 0.55-0.58-0.74-0.0764 0.043 0.096 0.0777-0.0753 0.49-0.883-0.006-0.0764 0.0-0.88 0.0579-0.63-0.389 0.035 0.0364 0.043 0.0-0.56 0.5 0.0697 0.0483 0.7-0.0353 0.096-0.88-0.56-0.038-0.035-0.44 0.0707 0.09 0.07770.0579 0.5-0.038 0.030 0.038 0.099 0.39 0.0556 0.43-0.05-0.578-0.097 0.030-0.03 0.0937-0.03 0.074-0.0564 0.943 0.0086-0.0873 0.038-0.03 0.0057 0.076 0.806 0.066 0.0738 0.69-0.069 0.099 0.0937 0.0057-0.0404-0.063-0.897-0.046-0.99-0.0539 0.39-0.03 0.076-0.0404 0.383-0.03-0.075 0.0347 0.0455 0.0556 0.074 0.806-0.063 0.383 0.75 0.08-0.063-0.053 0.43-0.0564 0.066-0.897-0.03 0.75 0.005-0.0963 0.009-0.05 0.943 0.0738-0.046-0.075 0.08 0.005-0.0545-0.037-0.578 0.0086 0.69-0.99 0.0347-0.063-0.0963-0.0545-0.47-0.097-0.0873-0.069-0.0539 0.0455-0.053 0.009-0.037-0.47 0.849 0.8440 7.3305 7.3434 0.7665 0.747 8.5040 8.559 0.693 0.574 9.8880 0.0564 0.575 0.5883.0587.038 0

Sekarang kia erhaikan erlebih dahulu vec ( D. Karena D ea i iiei = di mana e i adalah vekor kolom ke-i dari mariks sauan berukuran x, maka D = ei( ei ei e i,aii = ei ei = ( ee i i ( ee i i = Dengan demikian, EE ii ii dengan E = ee. ii i i vec ( D = vec( E E Oleh karena iu, ii = ( Eii Eii vec( = Λ vec (, sebab * var{ vec( } = var vec( S P ii, sebab E ii simeris Λ = ( Eii Eii * { } = var{ vec ( S vec ( P } * = var{ vec ( S }, karena P meruakan mariks konsana = var{ vec( DΣ SDΣ } = v ar{ ( DΣ DΣ vec( S } = E (( D D vec( S (( D D vec ( S Σ Σ Σ Σ E (( D D vec ( S E (( D D vec( S Σ Σ Σ Σ = E ( D D vec( S ( vec ( S ( D D Σ Σ Σ Σ ( ( ( ( ( ( D D E vec S E vec S D D Σ Σ Σ Σ = ( ( ( ( ( ( D D E vec S vec S D D Σ Σ Σ Σ

( ( ( ( ( ( D D E vec S E vec S D D Σ Σ Σ Σ = ( ( ( ( ( ( ( ( ( ( D D E vec S vec S E vec S E vec S D D Σ Σ Σ Σ = ( D { ( }( D var vec S D D Σ Σ Σ Σ kan eai, seeri dikemukakan dalam Mardia dkk. (979, Scho (997, 00 n dan Djauhari (007, var{ vec( S } = ( I + K ( var{ vec( } = ( ( ( ( D D I K D Σ Σ + Σ Σ D Σ Σ n Σ Σ. Oleh karena iu, = (( DΣ DΣ I + ( DΣ DΣ K ( Σ Σ ( DΣ DΣ n = (( DΣ DΣ + ( DΣ DΣ K ( Σ Σ ( DΣ DΣ n = ( I ( DΣ DΣ + K ( DΣ DΣ ( Σ Σ ( DΣ DΣ n = ( ( ( ( I K D D D + D Σ Σ Σ Σ Σ Σ n Karena ( ( ( ( D D D D D Σ Σ = Σ Σ = Σ D Σ, maka var{ vec( } = ( ( ( I + K DΣ Σ DΣ Σ DΣ DΣ n = ( ( I + K DΣ ΣDΣ DΣ Σ DΣ n n = ( I + K ( P P D Σ adalah mariks simeri, = M ( P P M = I + K. n kan eai, berdasarkan sifa mariks komuasi seeri dikemukakan dalam dengan ( M P P M n Scho (997, hal 403, ruas kanan sama dengan ( demikian, dieroleh M P P M. n var{ vec ( } = (. Dengan

Berdasarkan kesamaan ini, dengan menggunakan nilai endekaan bagi R yang dikemukakan dalam Proosisi III.3, beriku ini akan diurunkan nilai endekaan bagi mean dan variansi dari vec(r. III.3.. Mean vec(r Dengan menggunakan nilai endekaan bagi R P+ ( PD + D P ada Proosisi III.3, mean dari vec(r adalah E ( vec( R ( + ( + ( { } Λ ( E vec P I I P P I vec ( { } Λ ( E ( vec P + E I ( I ( P + P I vec vec( P + I {( I ( } ( ( P + P I Λ E vec ( {( ( } Λ ( vec P + I I P + P I E vec S P, = S P ( ( ( * * ( * { } Λ ( ( ( ( { } Λ ( ( Σ Σ ( { } Λ (( Σ Σ ( ( vec P + I I P + P I E vec S E vec P vec P + I I P + P I E vec D SD vec P ( ( ( vec P + I I P P I E D D vec S vec P + ( ( ( { } ( Λ Σ Σ ( vec P + I I ( ( P P I D D E vec S vec P + ( ( ( ( ( ( { } ( Λ Σ Σ ( Σ ( vec P + I I P P I D D vec vec P + ( ( ( { } ( Λ Σ Σ Σ ( vec P + I I P P I vec D D vec P + vec ( P + I {( I ( } ( ( P + P I Λ vec P vec P Suku kedua ada ruas kanan berharga 0. Dengan demikian, dieroleh ( ( vec ( P E vec R 3

III.3.. Variansi vec(r Sekali lagi dengan menggunakan nilai endekaan bagi R, dieroleh vec( R ( + {( ( } ( + Λ vec P I I P P I vec. Oleh karena iu, { } Λ ( var vec P I I P P I vec var ( vec( R ( + ( + ( { } Λ ( var I I P P I vec ( + ( I {( I ( } ( ( P + P I var vec {( ( } I I P + P I Λ. Λ {( + ( } ( I I P P I Λ M P P M. n {( ( } I I P + P I Λ I {( I ( } ( P + P I M P P n Λ. M I I P + P I {( ( } Λ { } Karena I {( I P + ( P I } M = M I ( I P Λ Λ dan M simeris seeri dikemukakan dalam Scho (997, hal. 45 dan hal. 8, maka var ( vec( R { { ( Λ }}( {( + ( } K I I P P P I I P P I M N n { M { I ( I P }}( P P M I ( I P n { { }} Λ Λ { ( }( ( { } M I I P Λ P P I I P Λ M n { ( }( ( { } M I I P Λ P P I Λ I P M. n kan eai, berdasarkan Teorema III. { I ( I P Λ}( P P I Λ ( I P = Φ. { } 4

Jadi, var ( vec( R M Φ M. n Mean dan variansi inilah yang akan digunakan selanjunya dalam diserasi ini. 5