Metode Bayes TINJAUAN PUSTAKA

                                    ijk ijk ijk a b r ijk ijk ijk y y L 2 2 2 2 2 2 2 1 2 2 1 exp 2 2 1 exp 2        . Sebaran posterior bersama adalah:                 . | 2 2                                   k k s k v k j j n s v L y k k k j Sebaran posterior dari masing-masing parameter diperoleh dari perkalian antara prior dari parameter dengan likelihood.  Sebaran posterior untuk μ Liu 2001           . , ~ | 2 exp 2 1 exp 2 exp 2 1 exp 2 exp | 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 . 2 2 2 2 . 2                                                                                                                            rab rab y rab N lainnya rab y rab rab y r y r lainnya ij ij ij ij ij    Sebaran posterior untuk τ Karena adanya kendala τ T 1 a = 0, maka τ diasumsikan diperoleh melalui sebaran prior norma ganda. Untuk memperoleh sebaran posteriornya dilakukan transformasi satu-satu dari τ ke vektor yang berpangkat penuh τ, τ= τ 1 , …, τ a-1 T =K a T τ, cari sebaran posterior dari τ dan ditransformasi kembali ke τ dengan τ=K r τ.                2 exp | 2 2 2 2 τ τ μ τ μ τ τ T i i rb lainnya         dengan . μ K τ K μ 2 2 τ T a 2 T a 2 τ          rb rb Jadi, . , μ ~ | τ 1 2 2 2 2 τ           a I rb N lainnya        Dengan demikian, sebaran posterior dari  yaitu            T a a K K rb rb rb N lainnya 2 2 2 2 2 2 2 2 , ˆ ~ |              τ μ τ τ adalah sembarang matriks berukuran m x m-1 dengan dan , dimana adalah matriks berukuran m x m yang semua unsurnya bernilai satu.  Sebaran posterior untuk γ Sebaran posterior dari γ diperoleh melalui cara yang sama seperti mencari sebaran posterior dari  yaitu: . , μ γˆ ~ | γ 2 2 2 2 2 2 γ 2 2            T b b K K ra ra ra N lainnya               Sebaran posterior untuk  Sebaran posterior dari  diperoleh melalui cara yang sama seperti mencari sebaran posterior dari , hanya saja  akan dicari untuk setiap . Sebaran posteriornya yakni: . , μ ~ | 2 2 2 2 2 2 2 2            T r r j j K K a a a N lainnya j j j j j                  Sebaran posterior untuk  k                2 2 2 2 2 2 . 2 , |                   r r y s v r N lainnya ij ij jk ik k untuk  k-1 ≥  k ≥  k+1 dan diasumsikan  =  dan  m+1 =0.  Sebaran posterior untuk v k dengan k=1, 2, …, m                          k T k k i j ij jk ik k k v v r y s v r lainnya v  2 . 2 exp exp |      