Distribusi Multivariat Normal Vektor random dan matriks random

20                      np nk n n jp jk j j k p k x x x x x x x x x x x x x x x x X                     2 1 2 1 21 2 22 21 1 1 12 11 .

1. Distribusi Multivariat Normal

Definisi 2. 15 Johnson Wichern, 2007. Fungsi distribusi multivariat normal merupakan perluasan dari fungsi distribusi univariat normal untuk ≥ . Jika ~ , Ʃ adalah -variat multivariat normal dengan rata-rata dan matriks varians-kovarians �, dimana                                               pp p p p p p p X X X X                       1 1 2 22 21 1 12 11 2 1 2 1 , , . maka fungsi densitas multivariat normal adalah 2 2 1 2 1 2 1           X X p e X f 2. 18 dengan p i X i ,..... 2 , 1 ,     .

2. Vektor random dan matriks random

Definisi 2. 16 Johnson Wichern, 2007. Vektor random adalah vektor yang elemen-elemennya berupa peubah acak random variable. Jika suatu unit eksperimen hanya memiliki satu variabel terukur maka variabel terukur disebut peubah acak, sedangkan jika terdapat lebih dari satu variabel terukur, misalkan variabel maka variabel-variabel 21 tersebut disebut vektor random dengan komponen. Sedangkan matriks random adalah matriks yang mempunyai elemen peubah acak. 3. Mean dan Kovarians Vektor Random Definisi 2. 17 Johnson Wichern, 2007. Dimisalkan adalah variabel random dengan mean X E   dan matriks kovarians �. Mean vektor random dengan ordo dapat dinyatakan sebagai berikut:                                    p p X E X E X E X E   2 1 2 1 2.19 Sedangkan kovarians vektor random dengan ordo adalah       X X E                                    2 2 1 1 2 2 1 1 p p p p X X X X X X E                                       2 2 2 1 1 2 2 2 2 2 1 1 2 2 1 1 2 2 1 1 2 1 1 p p p p p p p p p p X X X X X X X X X X X X X X X E                       22                               2 2 2 1 1 2 2 2 2 2 1 1 2 2 1 1 2 2 1 1 2 1 1 p p p p p p p p p p X E X X E X X E X X E X E X X E X X E X X E X E                       Atau dapat dinyatakan,                  pp p p p p X Cov                 1 1 2 22 21 1 12 11 2.20 Dengan ij  : kovarian dari dan p i X j  , 2 , 1 ,  dan p j  , 2 , 1  . Kovarians untuk sampel dinyatakan                pp p p p p s s s s s s s s s S        1 1 2 22 21 1 12 11 2.21 Dengan ij s : kovarian dari i X  dan p i X j   , 2 , 1 ,  dan p j  , 2 , 1 

E. Aturan Bayes