Analisis Multivariado 1 (Apunte basado en notas de clases del ...
Analisis Multivariado 1 (Apunte basado en notas de clases del ...
Analisis Multivariado 1 (Apunte basado en notas de clases del ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
– |I ± A| = d<br />
(1 ± λi)<br />
i=1<br />
– A ≥ 0 ⇔ λi ≥ 0 ∀i.<br />
– A > 0 ⇔ λi > 0 ∀i.<br />
– A ≥ 0 y |A| = 0 ⇒ A > 0.<br />
– A > 0 ⇒ A −1 > 0.<br />
– A > 0 ⇔ existe R ∈ R d×d no singular tal que A = RR ′ ⇔<br />
existe una matriz ortogonal B ∈ R d×d tal que si Λ =<br />
diag(λ1, λ2, . . . , λd) con λi > 0 ∀i <strong>en</strong>tonces A = BΛB ′<br />
(es lo que se d<strong>en</strong>omina <strong>de</strong>scomposición espectral <strong>de</strong> A).<br />
– A ≥ 0 <strong>de</strong> rango r ⇔ existe R ∈ R d×d <strong>de</strong> rango r tal que<br />
A = RR ′ ⇔ existe una matriz ortogonal B ∈ R d×d tal<br />
que si Λ = diag(λ1, λ2, . . . , λd) con λi ≥ 0 ∀i <strong>en</strong>tonces<br />
A = BΛB ′ .<br />
• La matriz P <strong>de</strong> d × d se dice <strong>de</strong> proyección si es simétrica e<br />
i<strong>de</strong>mpot<strong>en</strong>te (es <strong>de</strong>cir, P 2 = P ). Se cumple lo sigui<strong>en</strong>te:<br />
– rg (P ) = r ⇔ λi = 1 para i = 1, . . . , r y λi = 0 para<br />
i = r + 1, . . . , d. Entonces P = r<br />
tit ′ i para ciertos ti orto-<br />
normales.<br />
– rg (P ) = tr (P ) .<br />
– I − P también es <strong>de</strong> proyección.<br />
• Sea X <strong>de</strong> n × p y <strong>de</strong> rango p. La matriz P = X (X ′ X) −1 X ′ es<br />
una matriz <strong>de</strong> proyección.<br />
• Vector <strong>de</strong> medias X =<br />
n<br />
i=1 Xi<br />
n<br />
• Si X e Y son vectores aleatorios (no necesariam<strong>en</strong>te <strong>de</strong> la misma<br />
dim<strong>en</strong>sión) se pue<strong>de</strong> ver que:<br />
i=1<br />
– COV (X, Y) = E XY ′ − E (X) E (Y ′ ) .<br />
– COV (AX, BY) = A COV (X, Y) B ′ .<br />
– Si a es un vector no aleatorio, V AR (X − a) = V AR (X) .<br />
– V AR (AX) = A V AR (X) A ′ .<br />
• Sea X1, . . . , Xn una muestra <strong>de</strong> vectores aleatorios <strong>de</strong> dim<strong>en</strong>sión<br />
d con varianza Σ y {ai} 1≤i≤n , {bi} 1≤i≤n escalares no aleatorios.<br />
Se cumple:<br />
<br />
n<br />
– V AR<br />
– COV<br />
aiXi<br />
i=1<br />
n<br />
<br />
n<br />
=<br />
a<br />
i=1<br />
2 i<br />
aiXi,<br />
i=1<br />
n<br />
bjXj<br />
j=1<br />
<br />
<br />
Σ.<br />
= O ⇔ n<br />
aibi = 0.<br />
– Si X ∼ (µ, Σ) y A es simétrica, <strong>en</strong>tonces E (X ′ AX) =<br />
tr (AΣ) + µ ′ Aµ.<br />
• Sea X1, . . . , Xn una m.a. con parametros (µ, Σ). Se pue<strong>de</strong> ver<br />
que:<br />
3<br />
i=1