Formas cuadrticas

Distribucin de Chi-Cuadrado

Distribucin Chi-cuadrado central

Distribucin de YY con Y~Nn(0,I)

Distribucin Chi-cuadrado no central

Distribucin de YY con Y~Nn(,I)

Esperanza de una Chi-cuadrado no central

Varianza de una Chi-cuadrado no central

Distribucin de la suma de Chi-cuadrado no

centrales independientes

Distribucin 2 central
Funcin de Densidad

u ( n 2) / 2e u / 2

n 2( n / 2)

(u, n )

0 para u 0
Funcin generatriz de momentos

mu(t ) (1 2t ) n / 2 ; con t 1/ 2

Distribucin 2central

Definicin a partir de normales

Sea

z z1, z2 ,..., zn

con

z ~ Nn (0, I)

y definimos

U zz

Entonces

U ~ (n )

mU (t )

t zz

n /2 1/2 zz

dz

Rn

n /2 1/2 zz t zz

dz

Rn

mU (t )

Rn

n / 2 (1/ 2t ) zz

dz

Teorema 1.10.1
Graybill F.A. Theory and Application of Linear Models. Duxbury
Press. (pag. 48)

Sean

a0 y b0 constantes,

a y b vectores nx1,
A una matriz simtrica nxn de constantes y
B una matriz definida positiva de constantes.

... x' Ax x' a a expx' Bx x' b b dx

o

dx 2 ... dx n

1 n / 2 1/ 2
B
exp 14 b' B 1 b bo tr AB1 b' B 1 a 12 b' B1 AB1 b 2ao
2

mU (t )

n / 2 (1/ 2 t ) zz

dz

Rn

... x' Ax x' a a expx' Bx x' b b dx

o

dx 2 ... dx n

1 n / 2 1/ 2
B
exp 14 b' B 1 b bo tr AB1 b' B 1 a 12 b' B1 AB1 b 2ao
2

mU (t )

n / 2 (1/ 2t ) zz

dz

Rn

a0

B 1/ 2 t I

A0

b0

a0 2

n / 2

b0 0

1 n/2
1/ 2
mU (t )
(1/ 2 t )I
2

1 n/2 n/2

2 (1 2t ) n / 2
2

2 2

2 2

(1 2t ) n / 2

n / 2

n / 2

Distribucin 2
Esperanza y varianza

E (U ) n
V (U ) 2n

Distribucin 2 no central
Funcin de densidad

( n 2 j 2) / 2

e v

j 0 j !

(v , n, )

n 2 j
2

0 para v 0

( j =1 para =0 y j=0 )

v / 2

j ( n / 2)

Distribucin 2 no central
Funcin generatriz de momentos

mV (t ) (1 2t )

n / 2

2t
exp
; con t 1/ 2

1 2t

 Encontrar

esperanza y varianza de una chicuadrado no central

Distribucin 2
Esperanza y varianza

E (U ) n 2
V (U ) 2(n 4 )

Chi cuadrado no central a partir de normales

independientes con esperanzas distintas de 0

y~ Nn ( , I)
2

V y y; V ~ (n, )

Ver demostracin en notas de clases

Distribucin 2
f(u)
0.20
0.18

n=4; =0

0.16
0.14
0.12
n=4; =1

0.10
0.08

n=4; =5

0.06
0.04
0.02
0.00

0.0

5.0

10.0

15.0
u

20.0

25.0

30.0

Distribucin de la suma de chicuadrados independientes

y
1 ~ Nn1 ( 1, I)

U1 y1 y1

y
2 ~ Nn2 ( 2 , I)

U 2 y2 y2

Cov( y1, y2 ) 0

U1 U 2 y1 y1 y2 y2 yy

y [ y1 | y2 ]

y~ Nn1 n2 ( , I)

[1 | 2 ]

U1 U2 ~ 2 n;
n n1 n2

21 21 (11 22 ) 1 2

Distribucin de
formas cuadrticas

Distribucin de formas
cuadrticas

Distribucin de YAY, Y~Nn(0,I), A idempotente simtrica

Distribucin de YAY, Y~Nn(,I), A idempotente simtrica

Distribucin de YAY, Y~Nn(,),A simtrica A idempotente

Condiciones equivalente a A idempotente

Distribucin (n-1)S2/2

Independencia de Formas Cuadrticas y Lineales

Prueba T para una muestra

Independencia de formas cuadrticas

Esperanza de formas cuadrticas

Distribucin con y ~ N 0, I

A nxn
Simtrica e idempotente de rango k
Existe P ortogonal (PP=PP=I) tal que

PAP D
Teorema 1.2.50 Grabill, 1975

LOS ELEMENTOS DE D SON CERO O UNOS. Por qu?

z Py
yAy yPDPy
yAy zDz

z ~ N 0, I

 Si

A tiene rango k, entonces slo

existen k elementos diagonales de D
iguales a 1 siendo el resto iguales a 0
(por qu?)

z1
yAy zDz D

z 2

z1
z z1 z1
2

z1 ~ Nk (0, I)
yAy ~

k rango( A )
2

Distribucin con y~ N , I

A nxn
Simtrica e idempotente de rango k
Existe P ortogonal (PP=PP=I) tal que

P [P1 | P2 ]
z Py

Ik
PAP
0

P1AP1 I k

P1
P 1y z1
Py y

P2
P 2 y z 2

0
0

yAy Pz A Pz
z1
zPAPz zDz
z 2

I
k
0

z1 I k z1 z1 z1

0 z1
0 z
2

z1 ~ Nk (P
1 ,P1IP1 ) Nk (P1 , I )

z1 z1 ~

1
1 1
rango( A
), 2PP

PDP A PP
1 1 A

Ik
A PDP [P1 | P2 ]
0

yAy ~

0
0

P1
P P1P1
2

1
rango( A
), 2A

Distribucin con y~ N ,

A idempotente

A, simtrica de rango k

z 1 y

yAy z A

v~ Nn 1 , I

1 A z

1 v Bv

si B idempotente

1
yAy ~ 2 rango(B
), 21 B

1
1
1
1

B 2
A 1 21 A

yAy ~ 2 rango(B
), 21A

BB AA AA
B A
B idempotente

AA A

Para probar que BB=B tenemos que usar Lema 2 pag. 16 en Searle

Lema 2 pag. 16 en Searle

QXX PXX QX PX
(QXX PXX )(Q P) QX XQ QXXP PXXQ PXXP

PX QX PX QX PXXP PXXQ QXXP QXXQ

(QXX PXX )(Q P) PX QX PX QX 0 PX QX 0

Si post multiplicamos .

BB AA
y

B A
por

tenemos

BB AA AA A
B A A

AA A
A43
{A
14A2
B2

Ejemplo: Distribucin de

n 1 S

S n 1
2

y1, y 2,..., y n
proposicin

Nn , I
2

yi y

i 1

1
1

n 1 S / 2 y I J n y
n

demostracin
n

yi y
i 1

i 1

2
y
i yy yIy
i 1

ny 2 y n1 J n y

y i2

2y i y y

i 1

y i2

2ny ny y i2 ny 2

1
1
J n 11
M

i 1

1
1
M
1

L
L
O
L

1
1

1
1
yJ n y
n
n

y
,
y
,...,
y
i i i
i 1
i 1
i 1
n

y1
y
n
n
n

1
2

y
y

y
y

...

1 i
2 i
n y i
M
n
i 1
i 1
i 1

y n

1
1
1
y1ny y 2ny ... y n ny ny y i n 2 y 2 ny 2
n
n
n
i 1

1
1
I

J n y
2
n

24
1 44
43
A

A A 2 I =

1
1
1
2
I

I
=
I

J
n
n

2
n
n

1
I

J n
Luego lo que tenemos que mostrar es que
n

es idempotente

=I-

1
1
J n I J
n
n
n

1
1
1
Jn
Jn 2 Jn Jn
n
n
n
=I-2

1
1
Jn
Jn
n
n

I- J n
n

Sntesis
2
2
n

1
S
/

yAy

1
1
A 2 I J n
n

A

idempotente

yAy~ rango( A),

'A
2

1
1

rango I J n traza I J
n porqu ?
n
n

Sntesis
Adems

1
1
1
1
n

0
n
n

2
2
2
n
n
n
2
2
2

Luego

yAy ~ 2 n 1

Independencia de formas
cuadrticas y lineales de un
vector aleatorio con
distribucin Normal

Caso 1. El vector aleatorio con tiene

matriz de covarianzas identidad

y~ N , I
Bqn

A nn

( simtrica )

BA 0 independencia de
By
y

yAy

simtrica de A

garantiza la existencia de P ortogonal

tal que (Teorema 1.2.50 Grabill, 1975).

PAP D

Reordenando los elementos de y, las filas y

columnas de A y de P

D11 0
PAP

0
0

D11 k k de rango completo

rango ( A )

BA 0 BPPAP 0 porqu ?

C11 C12 D11 0

AP
BPP
0 C11 0 , C21 0
{ {

C
D
C21 C22 0 0
(Por qu?)

Cqn 0 qk ,C2 q( n k )

Si definimos
z Py

entonces

D11 0
yAy zPAPz z
z z1D11z1

0 0

By BPz Cz 0,C2 z C2z 2

z Py ~ Nn P PIP
Nn P I

z1

z2

Independientes Por qu?

Implica independencia de

yAy

By

Caso 2. Generalizacin al caso en que el la

matriz de covarianzas es definida positiva

y~ N ,
A nn

Bqn

( simtrica )

BA 0 independencia de
By
y

yAy

z 1y

z ~ N 1 1 1 N 1 I

y z

yAy z A z zAz

By Bz

B A ? 0

Por hiptesis

B A BA

BA 0

luego

B A 0

yAy z A z zAz
By Bz

z ~ N I

B A 0

Independencia de formas
cuadrticas de un vector
aleatorio con distribucin
Normal

y~ N ,
A nn

Bnn

( simtrica )

BA 0 independencia de
y ' By
y

yAy


AB AB


AB AB
por hiptesis

AB
A

{ {
C

por hiptesis

AB
{A
{B
C

z P ' 1y

z ~ N P ' 1 P ' 1 1P N P ' 1 I

z ~ N P ' 1 I

yAy Pz A Pz
zP
{A Pz zPCPz
C

yBy Pz B Pz
zP
{B Pz zPKPz
K

P
{A PP
{B P P
{A
{B P 0
C

D11 0
z
z z1D11z1

0 0

0 0
z
z z2D22 z 2

0 D22

Distribucin T de
Student

 Si

Z es una variable aleatoria normal

estndar y
es una Chi-cuadrado con grados de
libertad y

Z y U son variables independientes,

entonces

Z
U

se distribuye como una T de Student

con grados de libertad.

 Estadstico

T
Demostrar que tiene distribucin T bajo Ho

T
2

S n

Normal estndar
(bajo H0)

n
2

n 1 S /
n 1
2

Raz cuadrada de una Chi-cuadrado

dividida sus grados de libertad

 y
n
2

n 1 S /
n 1
2

n
2

S /
2

y
n S /
2

n S
2

n S
2

/n

Para demostrar independencia del numerador

y del denominador

Tenemos que escribir el numerador y

denominador de:

/n

como una forma lineal y una cuadrtica

respectivamente y mostrar que son
independientes

 y
[1 n ,1 n ,...,1 n ] y
B [1 n ,1 n ,...,1 n ]

1
n n 1

/n
1
y
In n Jn

1
n n 1

1
In n Jn

BA

1
[1 n ,1 n ,...,1 n ] In
n n 1

In n Jn

[1 n ,1 n ,...,1 n] In J n
n n 1
n

1
[1 n ,1 n ,...,1 n ] In Jn
n

1
1
1
[1 n ,1 n ,...,1 n ] [1 n ,1 n ,...,1 n]
1
n

1
1
1
1

1
[1 n ,1 n ,...,1 n ] [n n , n n ,..., n n ] 0
n

L
L
O
1

1
1

1

Distribucin F (no central)

U1 una chi-cuadrado no central con parmetros n1 y ,

U2 una chi-cuadrado central con n2 grados de libertad

U1 y U2 independientes

W=(U1/n1)/(U2/n2) es una F-no central

Distribucin F (no central)

( w : n1 , n 2 , )

j 0

j
j!

2 j n1 n 2
2
n2
2

n1
n2

n1 2 j
2

( n1 2 ) / 2

n1 w ( 2 j n1 n 2 ) / 2
1
n2

0 para w 0

( j =1para =0 y j=0 )

( 2 j n1 2 ) / 2

Distribucin F (no central)

0.6

0.5

Densidad

F(8,4,0)

0.3

0.2

F(8,4,10)
0.0
0.00

4.14

8.29

Variable F

12.43

16.57