Académique Documents
Professionnel Documents
Culture Documents
Oleh
Suryo Guritno
Y ~ N ,
2 Y ~ N , , => i
i.i.d
i = 1, 2, ..., N
Yj ~ N j , j ,
j = 1, 2
i.i.d
2 ambil s.r.s => => Yij ~ N j , j berukuran nj i = 1, 2, ..., n j dari masing2 populasi j = 1,2
2 1 2 2 => Y1 Y2 ~ N 1 2 , + n n 2 1
Y1 Y2 1 2 sp 1 1 + n1 n 2
~ t n1 + n 2 2 ,
sp
2 2 ( ) ( ) n1 1 s1 + n 2 1 s 2 =
n1 + n 2 2
2
Y ~ N ( , )
j j 2
, j = 1, 2, ... , k
( k>2 )
2 ambil s.r.s => => Yij ~ N j , j berukuran nj i = 1, 2, ..., n j dari masing2 populasi j = 1,2
i.i.d
??
(Y
j=1 i =1
k
nj
ij
Y..
Y.j Y.j
=>
{(Y
j=1 i =1
k nj
nj
ij
) (
k
)}
=>
(Y
j=1 i =1
ij
Y.j
) + (Y
2 j=1 i =1
nj
ij
Y..
n (Y
j j=1
||
.j
Y..
~ ??
Yij = j + ij ,
ij ~ 0, 2
i.i.d
i = 1,2,..., n j ; j = 1,2,..., k
untuk keperluan inferensi statistika diperlukan persyaratan distri busi dari ij atau Yij
i.i.d
)
2
2 Y ~ N , => ij j
i.i.d
2 , => Yij ~ N j nj
2 ~ X (n 1) j j
1 2
1 2
(Y
i j
ij Y.j
(
j
n j Y.j Y..
~ ??
Teorema Cochran :
2 2 Y ~ N , ( ) Y Y dan dapat di Jika i i i dekomposikan menjadi k jumlah kuadrat SSj masingmasing dengan derajat bebas dbj, j = 1, 2, , k, maka
i.i.d
2 SS j ~ X db jika j
i.d
db
j
= n 1
1 (MSA) = k -1
karena maka
(Y
j=1 i =1
nj
.j
Y..
Yij = j + ij
, ij ~ 0, 2
i.i.d
= .j .. + j .
) (
1 => (MSA) = k -1
1 = k -1
n (
j j=1
.j
..
) + n (
2 j j=1
j=1
2 n j .j
2 n .. ..
+ 1 k -1
(
j=1 k
n j j .
1 k 2 2 = n j E .j n .. E .. k -1 j=1
( )
( )
1 + k -1
k
(
j=1
n j j .
1 k 2 2 1 n . n = + j .. k -1 nj n .. j=1 k -1
(
j=1
n j j .
1 (MSW) = n .. k
=>
(Y
j i
ij
Y.j
Yij Y.j = ij + j .j + j
= ij .j
) (
k
1 => (MSW) = n .. k
(
j=1
nj ij .j i =1
Yij = j + ij ,
ij ~ 0, 2
i.i.d
j = ?? ,
Y11 = 1 + 11 Y 21 = 1 + 21
2 =
??
Yn11 = 1 + n11
Y12 = 2 +12
Y22 = 2 + 22
Yn2 2 = 2 +n2 2
Y1k = k +1k Y2k = k + 2k Yn k k = k + n k k
= X + <=> Y ~ ~ ~
= (1 2 ... k )
~
n1 n2 nk
kuadrat galat
j = =>
Y
i =1
nj
ij
nj
= Y.j , j = 1,2, .. , k
2 = ?? =>
ditentukan dari
(
i j
Yij Y ij ...
)= sehinga E (
!!!
(Y
n i =1
Y i
Y Y Y = Y ~ ~ ~ ~
= ~ I X( X X)
X ~
I X( X X) karena : Y Y ~ ~
I X( X X)
X ~
TH : X ~ N( o , I) dan A simetri ~ ~
2 bhb A idempoten dengan r(A)=k A X ~ Y => X k ~ ~
=>
(
n
= =>
(Y
i =1
Y i
n k 1
2
2) = karena E(
Y ij = j + ij , ij ~ (0, 2 )
i = 1, 2, , nj ; j = 1, 2, , k (> 2)
i.i.d
Y ij = + j + ij , ij ~ (0, 2 )
i = 1, 2, , nj ; j = 1, 2, , k (> 2)
i.i.d
Y ij = j + ij
j adalah j yang meminimumkan =>
S=
i j
2 ij
kk
inferensi untuk :
i j
a
i =1 k
i i
a
i =1
i=
0 : kontras
a
i =1
Fisher (=least sign.Diff.) LSD Tukey (=hon.sign.diff.) HSD Student.Newman-Keuls-SNK Duncan new mult.range Scheff Bonferroni
H o = i = j vs H1 = i j , i j
Fisher LSD : Ho ditolak jika :
Y i Y j > LSD
LSD = t
2
; (n k)
1 1 , + MSE ni n j
i j,
n =
n
i =1
Y i. Y j. > HSD
HSD = q ; k, (n k)
HSD
*
MSE n
MSE n* j
, equal s.s.
= q ; k, (n k)
, equal s.s.
n* j s.s. terkecil
HSD
**
= q ; k, (n k)
1 i MSE + ni n j
2 , T - Kram
Y i. Y j. > SNK
SNK = q ; r, (n k) MSE n
Y i. Y j. > DMR
DMR = q ; r, (n k) MSE n ,
H o = = 0 vs H1 = 0, =
Scheff mult.comp. : Ho ditolak jika :
a
i
i i
>S j
S= MSE
i =1
a i2 (k 1) F; (k 1), (n k) ni
>B j
B = t MSE
2q; (n k)
i =1
a i2 , ni
Yijk = ij + ijk
, ijk ~ (0, 2 )
i = 1, 2, , a ; j = 1, 2, , b k = 1, 2, , n
ij = + i + j ij = + i + j + ( ) ij
estimasi parameter ?? partisipasi jumlah kuadrat ?? - ekspektasi rerata juml. kuadrat ?? - distribusi
dengan MLS
* Yijk = ij + ijk
1 => ij = Yij . = n
Y
k =1
ijk
* Yij = + i + j
= Y.. => i = Yi. Y..
=Y Y j .j ..
syaratnya ??
Yijk Y... =
- Y...
+ Yijk
(Y
(Y
ijk
) (
2
) (
)
)]
ijk
ijk
) = [(Y
2
ij.
) (
(Y
i, j, k
ijk
Y...
) = (Y
i, j, k
ij.
Y...
) + (Y
i, j, k
Yij.
???
(Y
i, j, k
ij.
)(
??
(
i, j
Yij. Y...
) (Y
k
ijk
Yij. = 0 , i, j