Matriks invers di Modul 1 itu memang bagian yang paling bikin mikir keras dari SATS4421 Metode Statistika Multivariat. Kebanyakan dari kita sudah lupa cara hitung invers manual, padahal di sini jadi dasar untuk semua analisis selanjutnya. Duh, repot banget. Bank soal Universitas Terbuka di halaman ini mencakup langsung topik invers matriks dan vektor random dari Modul 2 biar kamu tidak bingung duluan.
Distribusi normal multivariat di Modul 4 dan sampling dari distribusi itu di Modul 5 adalah dua KB yang paling sering muncul bersama di ujian. Banyak yang gagal paham karena lupa sifat-sifat matriks kovariansi yang asimetris. Coba kerjakan soal di bagian bawah dulu. Kumpulan soal UT Statistika ini sengaja disusun per modul untuk fokus ke topik yang masih membuat pusing.
Soal UAS UT di bawah ini menguji langsung inti tiap KB, mulai dari uji hipotesis vektor mean di Modul 6 sampai matriks kovariansi di Modul 8. Setiap soal dilengkapi kunci jawaban dan pembahasan, jadi bukan cuma tahu jawabannya tetapi juga paham langkahnya. Kalau ada yang jawabanmu meleset, baca pelan pembahasannya sebelum lanjut ke nomor berikutnya.
Soal UT SATS4421 Metode Statistika Multivariat
Dalam analisis multivariat, matriks data yang terdiri dari n baris dan p kolom memiliki interpretasi bahwa n menyatakan jumlah variabel dan p menyatakan jumlah observasi. Di dalam suatu matriks, elemen baris ke-i dan kolom ke-j dinotasikan sebagai a_ij. Jika matriks A memiliki ordo m x n, maka banyaknya baris matriks A adalah?
Banyaknya baris matriks ditunjukkan oleh bilangan pertama pada ordo, yaitu m.
Matriks invers dari matriks A, dinotasikan A^(-1), hanya dapat dihitung jika A memenuhi sifat tertentu. Matriks berikut yang pasti memiliki invers adalah?
Matriks non-singular memiliki determinan tidak nol sehingga memiliki invers.
Vektor random adalah vektor yang komponen-komponennya terdiri dari variabel random. Dalam analisis multivariat, vektor random sering dinotasikan dengan huruf tebal. Jika X adalah vektor random dengan elemen X1, X2, …, Xp, maka nilai harapan dari vektor random tersebut adalah vektor yang elemennya berupa?
Nilai harapan vektor random adalah vektor yang berisi nilai harapan dari setiap komponennya.
Matriks random adalah matriks yang elemen-elemennya adalah variabel random. Jika Y adalah matriks random berukuran n x p, maka matriks varians-kovarians dari baris-baris Y didefinisikan sebagai?
Matriks varians-kovarians dari vektor random berdimensi p berukuran p x p.
Hasil kali dalam nol menunjukkan kedua vektor saling orthogonal atau tegak lurus.
Statistik dari sampel random multivariat meliputi vektor rata-rata sampel dan matriks kovarians sampel. Matriks kovarians sampel yang tidak bias (unbiased) untuk populasi dengan n pengamatan dan p variabel menggunakan pembagi?
Pembagi n-1 digunakan untuk mendapatkan estimator tak bias dari matriks kovarians populasi.
Distribusi normal multivariat adalah perluasan distribusi normal univariat ke dimensi p. Fungsi densitas normal multivariat melibatkan vektor mean dan matriks kovarians. Jika matriks kovarians berbentuk matriks diagonal dengan elemen diagonal sama, maka sebaran data akan berbentuk?
Matriks kovarians diagonal dengan varians sama menghasilkan kontur berbentuk lingkaran (atau bola untuk p>2).
Salah satu sifat penting distribusi normal multivariat adalah bahwa transformasi linear dari vektor normal multivariat juga berdistribusi normal. Jika X ~ N_p(μ, Σ) dan A adalah matriks konstan berukuran q x p, maka distribusi dari Y = AX adalah?
Transformasi linear menghasilkan distribusi normal multivariat dengan mean Aμ dan kovarians AΣA'.
Dalam sampling dari distribusi normal multivariat, vektor rata-rata sampel X̄ dan matriks kovarians sampel S merupakan statistik yang penting. Distribusi dari vektor rata-rata sampel X̄ untuk sampel acak berukuran n dari populasi N_p(μ, Σ) adalah?
X̄ berdistribusi N_p(μ, Σ/n) karena varians mengecil dengan faktor 1/n.
Distribusi sampling dari matriks kovarians sampel S sering dihubungkan dengan distribusi Wishart. Jika S adalah matriks kovarians sampel dari n pengamatan normal multivariat dengan matriks kovarians Σ, maka (n-1)S berdistribusi?
(n-1)S berdistribusi Wishart, yaitu W_p(n-1, Σ).
Inferensi vektor mean populasi dilakukan untuk menguji hipotesis bahwa vektor mean populasi sama dengan vektor tertentu. Dalam uji hipotesis H0: μ = μ0, statistik uji Hotelling's T^2 dihitung berdasarkan?
Statistik T^2 = n(X̄ – μ0)'S^(-1)(X̄ – μ0) digunakan untuk menguji vektor mean.
Interval konfidensi untuk mean populasi multivariat dapat dibangun menggunakan elipsoid konfidensi. Elipsoid konfidensi (1-α)100% untuk vektor mean μ diberikan oleh?
Elipsoid konfidensi menggunakan distribusi F dengan faktor ((n-1)p/(n-p)).
Dalam membandingkan vektor mean dari dua populasi independen, uji hipotesis H0: μ1 = μ2 dapat dilakukan. Asumsi yang diperlukan antara lain?
Asumsi matriks kovarians sama diperlukan untuk uji dua sampel menggunakan T^2.
Perbandingan beberapa vektor mean dapat dianalisis menggunakan MANOVA (Multivariate Analysis of Variance). Dalam MANOVA, matriks jumlah kuadrat dan cross product (SSP) untuk perlakuan dan galat dihitung. Statistik uji yang paling sering digunakan adalah?
Wilks' Lambda adalah statistik uji yang umum dalam MANOVA untuk membandingkan beberapa vektor mean.
Inferensi matriks kovariansi mencakup uji hipotesis bahwa matriks kovarians populasi sama dengan matriks tertentu. Uji likelihood ratio untuk H0: Σ = Σ0 menggunakan statistik uji yang melibatkan determinan dari S dan Σ0. Statistik tersebut dirumuskan sebagai?
Statistik uji likelihood ratio untuk matriks kovarians menggunakan bentuk di atas.
Menguji independensi antara dua himpunan variabel dilakukan dengan memeriksa submatriks kovarians. Jika vektor random X dibagi menjadi X1 dan X2, maka hipotesis independensi antara X1 dan X2 setara dengan?
Independensi antara dua himpunan variabel berarti semua kovarians antar himpunan adalah nol.
Dalam analisis korelasi, korelasi parsial mengukur hubungan antara dua variabel setelah efek variabel lain dihilangkan. Jika korelasi parsial antara Y dan X1 dengan mengontrol X2 bernilai 0,8, maka interpretasinya adalah?
Nilai 0,8 menunjukkan korelasi positif yang kuat antara Y dan X1 setelah mengontrol X2.
Dalam notasi matriks, hasil kali matriks A berukuran 2×3 dengan matriks B berukuran 3×4 menghasilkan matriks berukuran…
Hasil kali matriks A(m×n) dan B(n×p) menghasilkan matriks berukuran m×p, yaitu 2×4.
Invers dari matriks diagonal D=diag(2,3,4) adalah matriks diagonal dengan elemen-elemen diagonal…
Invers matriks diagonal diperoleh dengan mengambil kebalikan setiap elemen diagonal utama.
Vektor random X terdiri dari p variabel. Matriks kovariansi dari X bersifat…
Matriks kovariansi selalu simetris dan semi-definit positif berdasarkan definisi varians-kovarians.
Nilai harapan dari matriks random A yang berukuran n×p didefinisikan sebagai…
Nilai harapan matriks random adalah matriks dengan nilai harapan dari tiap elemennya.
Dalam analisis multivariat, jarak Mahalanobis antara vektor x dan rata-rata μ dengan matriks kovariansi Σ diberikan oleh…
Jarak Mahalanobis didefinisikan sebagai (x-μ)' Σ⁻¹ (x-μ), yang memperhitungkan korelasi antar variabel.
Dua vektor random X dan Y dikatakan independen jika dan hanya jika…
Independensi berarti fungsi distribusi gabungan faktorisasi menjadi fungsi distribusi marginal masing-masing.
Jika matriks data berukuran n×p telah dipusatkan (mean = 0), maka matriks varians-kovarians sampel dapat dihitung sebagai…
Untuk data terpusat, matriks varians-kovarians sampel adalah S = (1/(n-1)) X' X.
Distribusi normal multivariat dengan vektor mean μ dan matriks kovariansi Σ memiliki fungsi densitas yang bergantung pada…
Fungsi densitas normal multivariat mengandung (2π)⁻ᵖ/² |Σ|⁻¹/² exp(-½ (x-μ)' Σ⁻¹ (x-μ)), jadi bergantung pada determinan dan invers Σ.
Jika X~Nₚ(μ,Σ) dan A adalah matriks konstanta berukuran q×p, maka distribusi dari Y=AX adalah…
Transformasi linier dari vektor normal multivariat menghasilkan distribusi normal dengan mean Aμ dan kovariansi AΣA'.
Jika sampel random X₁,…,Xₙ berasal dari populasi Nₚ(μ,Σ), maka distribusi dari rata-rata sampel X̄ adalah…
Rata-rata sampel dari distribusi normal multivariat berdistribusi Nₚ(μ, Σ/n).
Dalam pengujian hipotesis H₀: μ=μ₀ untuk data normal multivariat dengan Σ diketahui, statistik uji yang digunakan adalah…
Jika Σ diketahui, gunakan statistik T² = n (X̄-μ₀)' Σ⁻¹ (X̄-μ₀) yang berdistribusi χ².
Interval konfidensi simultan untuk semua kombinasi linier a'μ berdasarkan sampel normal multivariat menggunakan metode…
Metode Bonferroni digunakan untuk interval konfidensi simultan dengan koreksi tingkat signifikansi.
Dalam analisis perbandingan pasangan vektor mean, uji T² Hotelling untuk dua sampel independen digunakan ketika…
Uji T² Hotelling untuk dua sampel independen mengasumsikan matriks kovariansi populasi sama.
Uji MANOVA digunakan untuk membandingkan vektor mean dari…
MANOVA adalah perluasan ANOVA untuk membandingkan vektor mean dari beberapa populasi.
Uji hipotesis H₀: Σ = Σ₀ untuk satu populasi normal multivariat menggunakan statistik uji berdasarkan…
Uji untuk matriks kovariansi menggunakan statistik yang melibatkan determinan matriks kovariansi sampel.
Korelasi parsial antara variabel Xᵢ dan Xⱼ dengan mengontrol variabel Xₖ diukur dari…
Korelasi parsial diperoleh dari elemen invers matriks korelasi, yaitu -rⁱʲ/√(rⁱⁱ rʲʲ).
Dalam korelasi ganda, koefisien determinasi R² mengukur…
R² adalah proporsi variansi total variabel dependen yang dapat dijelaskan oleh model regresi linier.
Jika A dan B adalah matriks berukuran sama, maka (A + B)^T sama dengan …
Sifat transpose jumlah matriks adalah (A + B)^T = A^T + B^T.
Matriks A berukuran 3×3 dengan determinan tidak nol. Invers dari matriks A adalah…
Invers matriks persegi dengan determinan tidak nol adalah (1/det(A)) * adj(A).
Dalam analisis multivariat, matriks kovariansi menggambarkan…
Matriks kovariansi berisi varian dan kovarians antar semua pasangan variabel dalam vektor random.
Vektor random X = [X1, X2, …, Xp]^T memiliki matriks mean E(X) yang berisi…
E(X) adalah vektor yang elemennya merupakan nilai harapan (mean) dari masing-masing variabel Xi.
Pengamatan multivariat dapat divisualisasikan dalam ruang dimensi p. Dalam konsep geometri sampel, jarak antara dua vektor pengamatan dihitung menggunakan…
Dalam analisis multivariat, jarak Mahalanobis memperhitungkan korelasi antar variabel dan sering digunakan pada data multivariat.
Matriks kovariansi sampel S untuk data multivariat bersifat…
Matriks kovariansi sampel S selalu simetris dan nonnegatif definit (semua nilai eigen >= 0).
Distribusi normal multivariat dengan vektor mean μ dan matriks kovariansi Σ memiliki fungsi densitas yang bergantung pada…
Fungsi densitas normal multivariat melibatkan determinan Σ dan jarak Mahalanobis (X-μ)^T Σ^{-1} (X-μ).
Jika X dan Y adalah dua subvektor dari vektor random yang berdistribusi normal multivariat, maka distribusi bersyarat X|Y juga normal. Hal ini merupakan salah satu sifat…
Sifat kondisional normal menyatakan bahwa distribusi bersyarat dari subvektor pada subvektor lainnya juga normal multivariat.
Dalam sampling dari distribusi normal multivariat, matriks S berdistribusi…
Matriks kovariansi sampel S dari sampel normal multivariat mengikuti distribusi Wishart.
Distribusi sampling dari vektor mean sampel X̄ dari populasi normal multivariat adalah…
X̄ ~ N_p(μ, Σ/n) untuk sampel acak berukuran n dari populasi normal multivariat.
Uji hipotesis untuk vektor mean populasi: H0: μ = μ0 vs H1: μ ≠ μ0 menggunakan statistik T^2 Hotelling. Jika T^2 > c, maka keputusan adalah…
Statistik uji T^2 dibandingkan dengan nilai kritis; jika lebih besar, H0 ditolak.
Interval konfidensi simultan untuk vektor mean populasi dapat dibangun menggunakan…
Interval konfidensi simultan untuk mean multivariat sering menggunakan distribusi F melalui transformasi T^2.
Pada uji perbandingan dua vektor mean independen, asumsi yang diperlukan adalah…
Uji dua sampel independen mengasumsikan kedua populasi normal multivariat dengan matriks kovariansi yang sama.
Untuk menguji H0: Σ = Σ0 pada populasi normal multivariat, statistik uji yang digunakan adalah…
Uji hipotesis matriks kovariansi menggunakan statistik uji rasio likelihood yang melibatkan determinan matriks kovariansi sampel.
Koefisien korelasi parsial antara X1 dan X2 setelah mengendalikan X3 mengukur…
Korelasi parsial mengukur hubungan dua variabel setelah efek variabel lain dihilangkan.
Koefisien korelasi ganda R^2 menunjukkan…
R^2 adalah proporsi varians variabel dependen yang dapat dijelaskan oleh variabel-variabel independen dalam model regresi.
Vektor random dan matriks kovariansi biasanya yang paling sering bikin mahasiswa UT keliru. Padahal banyak soal UAS Metode Statistika Multivariat bergantung pada pemahaman dua konsep itu. Tanpa dasar matriks yang kuat, distribusi normal multivariat di Modul 4 bisa terasa seperti bahasa alien. Sempatkan ulang latihan Modul 1 dan 2 sambil berdamai dengan notasi matriks.
Biasanya soal UTM lebih banyak ke hitungan langsung, tapi UO sering muncul dari topik inferensi vektor mean dan uji matriks kovariansi. Di SATS4421 Metode Statistika Multivariat, bagian pengujian hipotesis itu yang jadi penentu nilai. Ada banyak prediksi soal UAS UT lain di sini kalau kamu mau lanjut latihan matkul lain. Selesaikan satu soal dulu, lalu evaluasi.
