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.
asi<br />
C ′ QC = C ′ BΛB ′ C = D ′ ΛD<br />
llamando D ∈ R d×k a la matriz B ′ C, si<strong>en</strong>do a<strong>de</strong>mas que la matriz<br />
D ′ ΛD es simetrica, vemos que<br />
k<br />
λi(C ′ QC) = T r(C ′ QC) = T r(D ′ ΛD) =<br />
i=1<br />
por <strong>de</strong>finicion <strong>de</strong> traza y llamando E = {eij} = D ′ ΛD = (Λ 1/2 D) ′ (Λ 1/2 D) =<br />
H ′ H<br />
=<br />
=<br />
k<br />
k<br />
eii =<br />
i=1<br />
k d i=1 j=1 h2ji = λjd<br />
i=1 j=1<br />
2 ji = λj d<br />
j=1 i=1<br />
2 ji = λjfj<br />
j=1<br />
k<br />
j=1<br />
d<br />
= k<br />
j=1 λjfj + d<br />
j=k+1 λjfj ≤<br />
λjfj + λk<br />
⎛<br />
⎝<br />
d<br />
fj −<br />
j=1<br />
k<br />
j=1<br />
fj<br />
⎞<br />
= k j=1 λjfj<br />
<br />
k<br />
+ λk j=1 1 − fj<br />
d<br />
j=1<br />
faltaba ver que d<br />
j=1 fj = k<br />
fj =<br />
d<br />
k<br />
j=1 i=1<br />
k<br />
j=1<br />
d<br />
λjfj + λk<br />
⎠ = k<br />
j=1 λjfj + λk<br />
≤<br />
k<br />
d<br />
j=k+1<br />
fj =<br />
k<br />
λj (fj + 1 − fj) =<br />
j=1<br />
d<br />
<br />
k − k j=1 fj<br />
<br />
=<br />
k<br />
j=1<br />
d 2 ji = T r (D ′ D) = T r(C ′ BB ′ C) = T r(C ′ C) = T r(Ik)<br />
16.3 Compon<strong>en</strong>tes Principales como una tecnica<br />
<strong>de</strong> proyeccion ortogonal<br />
Demostraremos que Compon<strong>en</strong>tes Principales pue<strong>de</strong> ser visto como<br />
una tecnica para hallar un subespacio <strong>de</strong> dim<strong>en</strong>sion pequ<strong>en</strong>ia (i<strong>de</strong>alm<strong>en</strong>te<br />
<strong>de</strong> dim<strong>en</strong>sion no mayor a 2) que se halle sufici<strong>en</strong>tem<strong>en</strong>te cerca<br />
<strong>de</strong> las observaciones (o <strong>de</strong> los vectores aleatorios).<br />
Dado un vector aleatorio X ∈ R d con E(X) = 0 y V AR(X) = Σ<br />
buscamos un subespacio L <strong>de</strong> dim<strong>en</strong>sion k ≪ d que cumpla con la<br />
sigui<strong>en</strong>te propiedad:<br />
min<br />
L<br />
<br />
E X − P (X, L) 2<br />
don<strong>de</strong> por P (X, L) se <strong>en</strong>ti<strong>en</strong><strong>de</strong> la proyeccion ortogonal <strong>de</strong>l vector<br />
X <strong>en</strong> el subespacio L.<br />
39<br />
λj