Análisis Multivariante - Universidad de Extremadura
Análisis Multivariante - Universidad de Extremadura
Análisis Multivariante - Universidad de Extremadura
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Manuales uex<br />
26<br />
jesús Montanero fernán<strong>de</strong>z<br />
26 CAPÍTULO 1. DISTRIBUCIONES DEL ANÁLISIS MULTIVARIANTE<br />
Se obtiene, por lo tanto, a partir <strong>de</strong> una composición entre una distribución <strong>de</strong> Poisson<br />
en N y la familia <strong>de</strong> las distribuciones χ 2 n, cuando n recorre N. La distribución χ 2<br />
central se correspon<strong>de</strong> con el caso λ = 0. En general, dado γ > 0, la expresión<br />
Y ∼ γχ 2 m(λ) <strong>de</strong>be enten<strong>de</strong>rse como γ −1 Y ∼ χ 2 n(λ).<br />
Pue<strong>de</strong> <strong>de</strong>mostrarse que, si Y1,...,Yn son variables aleatorias reales in<strong>de</strong>pendientes<br />
tales que<br />
Yi ∼ N(µi,σ 2 ), i =1,...,n, σ 2 > 0,<br />
entonces<br />
σ −2<br />
n<br />
i=1<br />
Y 2<br />
i ∼ χ 2 n<br />
En otras palabras, consi<strong>de</strong>rar una colección <strong>de</strong> variables en esas condiciones equivale<br />
a consi<strong>de</strong>rar un vector aleatorio Y ∼ Nn(µ, σ 2 Id), para algún µ ∈ R n y σ 2 > 0, y<br />
estamos afirmando que<br />
Y 2 ∼ σ 2 χ 2 n<br />
<br />
σ −2<br />
n<br />
i=1<br />
µ 2<br />
En consecuencia, <strong>de</strong>bemos enten<strong>de</strong>r el mo<strong>de</strong>lo χ 2 no central como la distribución <strong>de</strong>l<br />
cuadrado <strong>de</strong> la distancia euclí<strong>de</strong>a al origen <strong>de</strong> un vector aleatorio normal esférico. La<br />
norma euclí<strong>de</strong>a al cuadrado es una función positiva <strong>de</strong> gran importancia en nuestra<br />
teoría, <strong>de</strong>bida fundamentalmente a su presencia en la función <strong>de</strong> <strong>de</strong>nsidad (1.8).<br />
De hecho, ya comentamos que la <strong>de</strong>nsidad <strong>de</strong>pen<strong>de</strong> <strong>de</strong> y a través <strong>de</strong>l cuadrado <strong>de</strong><br />
su distancia euclí<strong>de</strong>a a la media. Ello se traducirá en el uso <strong>de</strong> esta función y, en<br />
consecuencia, <strong>de</strong>l mo<strong>de</strong>lo χ 2 , a la hora <strong>de</strong> estimar el parámetro σ 2 , <strong>de</strong> reducir por<br />
suficiencia y, también, cuando se efectúe una reducción por invarianza respecto al<br />
grupo <strong>de</strong> las rotaciones, según se sigue <strong>de</strong>l teorema 13.9.<br />
Hemos afirmado que el mo<strong>de</strong>lo χ 2 no central surge <strong>de</strong> la necesidad <strong>de</strong> consi<strong>de</strong>rar<br />
la norma euclí<strong>de</strong>a <strong>de</strong> un vector normal esférico. No obstante, po<strong>de</strong>mos generalizar<br />
un poco más. Si E es un subespacio vectorial <strong>de</strong> R n y Γ es una base ortonormal <strong>de</strong>l<br />
mismo, se verifica trivialmente que PEY 2 = Γ Y 2 y que PEµ 2 = Γ µ 2 . Por<br />
lo tanto, se tiene<br />
PEY 2 ∼ σ 2 χ 2<br />
dimE<br />
σ 2<br />
µ 2 i<br />
<br />
.<br />
PEµ 2<br />
σ 2<br />
<br />
.<br />
<br />
. (1.10)<br />
Así pues, el grado <strong>de</strong> libertad <strong>de</strong> la distribución coinci<strong>de</strong> con la dimensión <strong>de</strong>l<br />
subespacio. Obtendremos una χ 2 central cuando E[Y ] sea ortogonal al subespacio<br />
sobre el cual se proyecta Y . Por lo tanto y en general, se sigue <strong>de</strong> lo anterior junto<br />
con la proposición 1.10, que la media <strong>de</strong> una distribución χ 2 no central se obtiene<br />
mediante<br />
E σ 2 χ 2 2<br />
m λ/σ = mσ 2 + λ. (1.11)