KOEFISIEN KORELASI - Blog Mahasiswa UI
Download
Report
Transcript KOEFISIEN KORELASI - Blog Mahasiswa UI
KOEFISIEN KORELASI
• Misalkan X dan Y adalah variabel-variabel random yang
mempunyai pdf bersama f(x,y). Jika u(x,y) adalah fungsi dari x
dan y, maka diasumsikan E[u(X,Y)] terdefinisi.
• Dalam pembahasan ini, diasumsikan semua ekspektasi ada,
yaitu :
- u( x, y) x E( X ) 1 (mean dari X)
- u( x, y) y E(Y ) 2 (mean dari Y)
2
2
2
u
(
x
,
y
)
(
x
)
E
X
1
1
1
(variansi dari X)
2
2
2
- u( x, y) ( y 2 ) EY 2 2 (variansi dari Y)
• Perhatikan ekspektasi berikut:
EX 1 Y 2 EXY 2 X 1Y 12
E( XY ) 2 E( X ) 1E(Y ) 12
E( XY ) 2 1 12 12
E ( XY ) 12
yang disebut kovariansi dari X dan Y.
Notasi : Cov(X,Y)
• Apabila 1 dan 2 positif, bilangan
E X 1 Y 2
1 2
Cov( X , Y )
1 2
disebut koefisien korelasi dari X dan Y.
E X 1 Y 2 E XY 12
1 2 E XY 12
Jadi, E XY 12 1 2 .
• Contoh:
Misalkan X dan Y variabel random yang mempunyai pdf
bersama :
x y,0 x 1,0 y 1
f ( x, y)
0, ( x, y) yanglainnya
Hitung koefisien korelasi dari X dan Y
1
11
• Catatan:
- Nilai memenuhi 1 1
- Jika 1 maka terdapat suatu garis dengan persamaan
y a bx, b 0 , grafik yang mengandung semua
probabilitas untuk distribusi X dan Y. Dalam hal ini
Pr(Y a bX ) 1 .
- Jika 1 maka sama dengan pernyataan 1 , tetapi
dalam hal ini b < 0.
- Jika 1 1 , maka akan timbul pertanyaan apakah ada
suatu garis di bidang XY sehinnga probabilitas untuk X dan Y
terkonsentrasi di sekitar jalur garis tersebut?
• Adib bahwa : 1 1
Misalkan f(x,y) adalah pdf bersama dari X dan Y, f1(x) pdf
marginal dari X, maka
- pdf bersyarat dari Y diberikan X=x adalah :
f ( y | x)
f ( x, y )
, f1 ( x) 0
f1 ( x)
- mean bersyarat dari Y diberikan X=x adalah
E(Y | x)
yf ( y | x)dy
y
f ( x, y)
dy u( x)
f1 ( x)
- mean bersyarat dari X diberikan Y=y adalah :
E ( X | y) xf ( x | y)dx x
f ( x, y)
dx v( y)
f 2 ( y)
Dalam hal u(x) adalah fungsi linier dari x yaitu u(x) = ax + b,
maka mean bersyarat dari Y adalah linier dalam x atau Y
mempunyai mean bersyarat yang linier.
- akan dicari konstanta a dan b
2
2
• Misalkan 1 dan 2 tidak nol.
E (Y | x)
Jadi,
yf ( y | x)dy
yf ( x, y)dy
f1 ( x)
y
f ( x, y)
dy a bx
f1 ( x)
a bx sehingga
yf ( x, y)dy (a bx) f ( x)
1
2
x
yf
(
x
,
y
)
dy
(
ax
bx
) f1 ( x)
**
2
x yf ( x, y)dydx (ax bx ) f1 ( x)dx
.
-
2
xyf
(
x
,
y
)
dxdy
axf
(
x
)
dx
bx
1
f1 ( x)dx
E ( XY ) a xf1 ( x)dx b x 2 f1 ( x)dx
E( XY ) aE( X ) bE( X )
2
**
yf ( x, y)dy (a bx) f ( x)
1
yf ( x, y)dydx (a bx) f ( x)dx
1
E(Y ) a f1 ( x)dx b xf1 ( x)dx
E(Y ) a bE( X )
• Sehingga diperoleh 2 persamaan sebagai berikut:
1. E( XY ) a1 bE( X 2 )
2. 2 a b1 (2)
a b
1 2 12 a1 b E( X 2 ) 12 12
1 2 12
1
2
1
1
2
(1)
Dari (1) dan (2) diperoleh :
a 2
2
1
1
dan
b
2
1
• Jadi,
2
2
u ( x) E (Y | x) a bx 2
1 x
1
1
atau
2
x 1
E (Y | x) 2
1
Dengan cara yang sama :
E ( X | y) 1
1
( y 2 )
2
• Akan diselidiki variansi dari suatu distribusi bersyarat dengan
pemisalan bahwa mean bersyarat adalah linier.
2
Var (Y | x) y 2 2 ( x 1 ) f ( y | x)dy
1
2
2
y
(
x
)
1 f ( y | x ) dy
2 1
2
2
y
(
x
)
1 f ( x, y ) dy
2 1
*
f1 ( x)
Misal Var(Y | x) k ( x)
• Jadi,
2
2
y 2 1 ( x 1 ) f ( x, y)
k ( x)
dy
f1 ( x)
2
k ( x) f1 ( x) y 2 2 ( x 1 ) f ( x, y )dy
1
2
2
k
(
x
)
f
(
x
)
dx
y
(
x
)
1 f x, y dydx
2 1
y
2
2
E Y 2
2
2
2
2
2 2
2 y 2 x 1
x
f ( x, y)dydx
1
2
1
1
2
2
2
2 2
2
EY 2 X 1
E
X
1
1
12
2
2
2
2 2 2 1 2 2 22 1
1
1
2
2
2
2 2 2 2 2 2
E[k ( x)] 2 2 2 2 (1 2 ) 0
2
2
2
Karena 22 0 maka 1 2 0 sehingga 1 1.
• Misal dari (*) Var(Y | x) u( x) tetapi Var(Y|x)=k, dimana k adalah
konstanta yang lebih besar dari 0.
2
2
y
x
1 f ( x, y ) dy
2 1
k
f1 ( x)
2
kf1 ( x) y 2 2 x 1 f ( x, y )dy
1
E(k ) 2 (1 2 )
2
k 2 (1 2 )
2
• Berarti dalam hal ini variansi dari setiap distribusi bersyarat
dari Y diberikan X=x adalah 22 (1 2 ) .
2
Var
(
Y
|
x
)
0
2 Var(Y )
• Apabila
, maka
• Apabila 2 mendekati nilai 1 artinyaVar(Y|x) nilainya relatif
kecil. Berarti terdapat konsentrasi yang tinggi dari probabilitas
untuk distribusi bersyarat di dekat mean
E (Y | x) 2
2
x 1 .
1
• Contoh:
Misalkan X dan Y mempunyai mean bersyarat linier yaitu
E(Y|x)= 4x + 3 dan E( X | y) 161 y 3
Tentukan 1 , 2 , , 2
1
MGF dari Distribusi Bersama X dan Y
• Misalkan f(x,y) adalah pdf bersama dari X dan Y. Jika E (et1 X t2Y )
t1 X t 2Y
E
(
e
)
h
t
h
,
h
t
h
,
untuk
h
,
h
0
ada untuk
maka
1
1
1
2
2
2
1 2
disebut mgf dari distribusi bersama X dan Y, yang dinotasikan
dengan M (t1 , t2 ) .
Sama dengan mgf untuk 1 variabel random, M (t1 , t2 )
menentukan dengan lengkap distribusi bersama dari X dan Y
dan distribusi marginal dari X maupun Y.
- mgf marginal dari X : M1 (t1 ) E(et X ) M (t1,0)
- mgf marginal dari Y : M 2 (t2 ) E(et Y ) M (0, t2 )
1
2
• Dapat ditunjukkan bahwa:
k m
k m t1 x t 2 y
M
(
t
,
t
)
x
y e
f ( x, y )dxdy
1 2
k
k
t1 t2
k m
k m
M
(
t
,
t
)
|
x
y f ( x, y)dxdy
1 2 t1 t 2 0
k
k
t1 t2
M (0,0)
1 E ( X )
t1
2 E (Y )
M (0,0)
t2
2
2
M (0,0)
2
2
2
M
(
0
,
0
)
2
2
2
2
2
E
(
Y
)
1 E( X ) 1
2
2
2
2
1
2
t2
t1
2 M (0,0)
E X 1 Y 2
12
t1t2
Berdasarkan rumus-rumus di atas, juga dapat dihitung
melalui mgf.
Contoh : Misalkan X dan Y mempunyai pdf bersama:
e y ,0 x y
f ( x, y )
0, yanglainnya
Tentukan mgf dari X dan Y, kemudian hitunglah mean dari X,
mean dari Y, variansi dari X, variansi dari Y serta koefisien
korelasi antara X dan Y.