Taller 1 - MAT032 USM

Instrucciones:
• Puede trabajar en Excel, SPSS, R o cualquier otro programa, pero los
datos finales debe enviarlos en Excel.
• Debe entregar una hoja con respuestas escritas, además de la base de datos
obtenida. Las columnas finales se deben llamar: X1 , X2 , Y1 , Y2 , Z1 , Z2 ,
cada una con 200 filas (sin contar el encabezado, la primera fila).
• Se deben enviar dos archivos: uno que contenga las respuestas escritas (un
solo PDF, puede ser escaneado o foto, no es necesario que sea escrito en
computador) y el archivo con los datos en formato Excel.
• Los datos deben ser fijos, no deben contener fórmulas ni cálculos. Si utiliza
Excel, después de simular los datos debe copiar y usar la opción pegado
especial-valores para que permanezcan los valores y no las fórmulas.
Defina valores de µi y σi > 0 para i = 1, 2 (inventados por usted). A
partir de ellos, defina las variables aleatorias X1 ∼ N (µ1 , σ12 ) y X2 ∼ N (µ2 , σ22 )
independientes y el vector aleatorio X = (X1 , X2 )t . Defina (invente) una matriz
A de 2 × 2 invertible y no diagonal y considere el vector aleatorio Y = (Y1 , Y2 )t
dado por Y = A · X.
1. Escriba la función de densidad conjunta de (Y1 , Y2 ). Escriba su matriz de
varianza-covarianzas.
2. En Excel u otro programa computacional, debe simular 200 realizaciones
de X1 y X2 (en dos columnas distintas), a partir de ellos, debe generar
los 200 datos de Y1 e Y2 .
3. Estime las medias de E[Y1 ] y de E[Y2 ] y las varianzas muestrales de
V ar(Y1 ) y V ar(Y2 ) a partir de sus datos simulados, obteniendo µ˜1 , µ˜2 , σ˜12
y σ˜2
2

4. Usando el estimador:
n
1X
C2 = (Y1,i − Y1 )(Y2,i − Y2 )
n i=1

de la covarianza Cov(Y1 , Y2 ).
(note que de Y1 tendrá 200 observaciones, y1,1 , y1,2 , . . . , Yy,200 al igual que
de Y2 ). Obtenga una estimación c̃2 de la covarianza.

1
 5. A partir de los estimadores encontrados en 4. y 5., proponga una esti-
mación para la matriz de varianza-covarianza Σ̃ de (Y1 , Y2 ).
6. Diagonalice ortogonalmente la matriz Σ̃: escrı́bala de la forma Σ̃ = P ·
D · P t explicitando
√ √P y D y, a partir
√ de ella, obtenga la descomposición
Σ̃ = (P · D)(P · D)t (donde D es la diagonal formada por las raices
de D).
7. Hasta ahora usted deberı́a tener µ˜1 , µ˜2 , estimaciones de E[Y1 ] y E[Y2 ]
respectivamente y Σ̃ una estimación de la matriz de varianza-covarianzas
de (Y1 , Y2 ). Escrı́balos explı́citamente.
8. Considere la transformación:
√
     
Y1 Z Y − µ˜1
7→ Z = 1 = (P · D)−1 1
Y2 Z2 Y2 − µ˜2

y aplı́quela a sus 200 datos obteniendo las columnas z1 y z2 .

8. Obtenga ahora una estimación de E[Z1 ], E[Z2 ], V ar(Z1 ) y V ar(Z2 ) ası́

como la estimación de Cov(Z1 , Z2 ). Concluya.
Finalmente, usted debe entregar:
• La base de datos con 6 columas identificadas en formato Excel.

• La función de densidad conjunta de (Y1 , Y2 ).

• Los EMV de E[Y1 ], E[Y2 ], V ar(Y1 ) y V ar(Y2 ).
• El valor de C 2 .

• La matriz Σ̃.
• P , D y las expresiones que descomponen Σ̃ del punto 6.
• Los estimadores de E[Z1 ], E[Z1 ], V ar(Z1 ), V ar(Z2 ) y de Cov(Z1 , Z2 )