Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Repaso Estad Stica Multivariada PDF
Repaso Estad Stica Multivariada PDF
Propiedades:
p(x) 0 para todo x.
p(x) = 1, donde la suma se toma sobre todos los posibles valores
de x.
La funci
on de probabilidad marginal para la variable Xi se dene como
pi (xi ) = P (Xi = xi ) = p(x1 , . . . , xi , . . . , xp )
p
p(x) = pi (xi )
i=1
9
Recordemos que la probabilidad condicional del evento A dado que
ocurre el evento B se dene como:
P (A B)
P (A|B) =
P (B)
p(x1 , x2 )
p(x1 |x2 ) = P (X1 = x1 |X2 = x2 ) =
p(x2 )
p(x)
p(x1 , . . . , xk |xk+1 , . . . , xp ) =
p(xk+1 , . . . , xp )
(N
otese que esta denicion es valida tambien para variables discretas)
10
La funci
on de densidad conjunta es la funci
on f (x) = f (x1 , . . . , xp ) tal
que
x1 xp
F (x) = ... f (u1 , . . . , up )du1 . . . dup
En este caso,
p F (x1 , . . . , xp )
f (x) =
x1 x2 . . . xp
La funci
on de densidad conjunta satisface las siguientes propiedades:
f (x) 0 para todo x.
. . .
f (x)dx1 . . . dxp = 1.
f (x1 , x2 )
f (x1 |x2 ) =
f (x2 )
o, mas generalmente,
f (x)
f (x1 , . . . , xk |xk+1 , . . . , xp ) =
f (xk+1 , . . . , xp )
11
Medias, varianzas y correlaciones
otese que ii = i2
N
12
Cuando se trabaja con p variables, se tienen p varianzas y 12 p(p 1)
covarianzas. En este caso, es u
til presentar todas estas cantidades en
una matriz p p de la siguiente manera:
12 12 ... 1p
12 22 ... 2p
=
..
.
p1 p2 ... p2
= E[(X )(X )T ]
= E[XXT ] T
13
Consideremos ahora la variable aleatoria univariada Y denida como
una combinacion lineal de X1 , . . . , Xp . En ese caso
Y = aT X
E(Y ) = aT
y
V ar(Y ) = aT a
E(AT X) = AT
V ar(AT X) = AT A
14
La correlaci
on entre dos variables aleatorias Xi y Xj se dene como
ij
ij =
i j
Es una medida de dependencia lineal entre variables.
|ij | < 1
Si Xi y Xj son independientes, ij = 0. El recproco no es cierto.
= DP D
P = D1 D1
15
Distribuci
on Normal multivariada
1 1
f (x) = exp[ (x )T 1 (x )]
(2)p/2 ||1/2 2
16
Caso Bi-variado
En este caso X = (X1 , X2 ); la media es = (1 , 2 ) y la matriz de
Varianza-Covarianza tienen la forma:
2
1 12
=
2
12 2
17
Distribuciones marginales normales
Y 12
Sea X = ; = Y ; = 11
Z Z 21 22
donde:
Y : q 1, 11 : q q
Z : r 1, 22 : r r
Y : q 1, 12 : q r
Z : r 1, q + r = p
Si 11 > 0 y 22 > 0, Y y Z tienen densidades:
Y N (Y , 11 )
Z N (Z , 22 )
18
Distribuciones normales condicionales
Sea X : p 1 un vector de variables aleatorias tal que:
X N (, )
Entonces la distribuci
on condicional:
Y |Z = z N (Y + 12 1
22 (z Z ), 11,2 )
donde 11,2 = 11 12 1
22 21 .
19
Media muestral y matriz de covarianza
muestral
1
n
.j =
donde X Xij .
n i=1
n
X .j )2
i=1 (Xij
sjj =
n1
n
i=1 (Xij X.j )(Xik X.k )
sjk = , i = j
n1
20
La matriz de correlacion muestral R tiene elementos
sjk
rjk =
sj sk
(N
otese que si j = k, rjk = 1)
1 T
R puede escribirse como R = n1 X X, donde
(X11 X ,1 )/s1 ,2 )/s2
(X12 X ...
(X1p X.p )/sp
.p )/sp
(X21 X ,1 )/s1 (X22 X
,2 )/s2 ... (X2p X
=
X
..
.
(Xn1 X ,1 )/s1 (Xn2 X
,2 )/s2 ... (Xnp X
.p )/sp
R = D1/2 SD1/2
21