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.
16.7.2 Repres<strong>en</strong>tacion <strong>de</strong> las d variables<br />
Definamos, para i = 1 . . . d, al vector vi ∈ R k <strong>de</strong>l sigui<strong>en</strong>te modo<br />
vi =<br />
⎡<br />
⎢<br />
⎣<br />
λ1ti1<br />
.<br />
λktik<br />
don<strong>de</strong> tij es el elem<strong>en</strong>to correspondi<strong>en</strong>te a la fila i-esima columna<br />
j-esima <strong>de</strong> la matriz Tk = {tij} ∈ R d×k . Veremos que este vector vi<br />
es una “bu<strong>en</strong>a repres<strong>en</strong>tacion” k dim<strong>en</strong>sional <strong>de</strong> la vairable (original)<br />
i-esima. Es <strong>de</strong>cir:<br />
• El angulo formado <strong>en</strong>tre los vecores vi y vk es una bu<strong>en</strong>a aproximacion<br />
a la correlacion exist<strong>en</strong>te <strong>en</strong>tre la variable i y la variable<br />
k.<br />
• El modulo <strong>de</strong>l vector vi es una bu<strong>en</strong>a aproximacion <strong>de</strong> la varianza<br />
<strong>de</strong> la variable i-esima.<br />
Recordando la <strong>de</strong>scomposicion espectral y suponi<strong>en</strong>do que las primeras<br />
k compon<strong>en</strong>tes explican una proporcion importante <strong>de</strong> la suma <strong>de</strong> varianzas,<br />
t<strong>en</strong>emos<br />
Σ = T ΛT ′ =<br />
d<br />
i=1<br />
λitit ′ i<br />
≈<br />
⎤<br />
⎥<br />
⎦<br />
k<br />
i=1<br />
λitit ′ i<br />
la covarianza <strong>en</strong>tre la variable i-esima y la variable j-esima se<br />
pue<strong>de</strong> escribir<br />
σij =<br />
d<br />
λhtihtjh ≈<br />
h=1<br />
k<br />
h=1<br />
λhtihtjh =<br />
= v ′ ivj<br />
k<br />
h=1<br />
λhtih<br />
por lo que po<strong>de</strong>mos aproximar la covarianza como<br />
σij ≈ v ′ ivj<br />
y la varianza <strong>de</strong> la variable i-esima como<br />
σii ≈ v ′ ivi = vi 2<br />
pero por otro lado sabemos que<br />
v ′ ivj = vi vj cos(αij)<br />
<br />
λhtjh =<br />
don<strong>de</strong> αij d<strong>en</strong>ota el angulo formado <strong>en</strong>tre los vectores vi y vj. Por<br />
lo tanto<br />
cos(αij) =<br />
v ′ i vj<br />
vi vj ≈<br />
45<br />
σij<br />
√ √ = cor(x,i xj)<br />
σii σjj