Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4) Dados tres vectores aleatorios bidimensionales con medias (0, 1), (1, 1) y (2, 0) y con matrices
de covarianzas común:
1 −1
V = ,
−1 2
se pide:
a) Calcular las funciones discriminantes lineales.
b) Clasificar a z = (1, −1) usando dichas funciones.
c) Representar gráficamente las regiones de clasificación para un punto cualquiera del plano
z = (x, y).
d) Calcular la función discriminante de Fisher y el criterio de clasificación para distinguir entre
los grupos 2 y 3. Clasificar a z = (1, −1) usando esa función suponiendo que está en el grupo 2 o el
3. ¿Cuál es la función de Fisher más sencilla y la correspondiente regla de clasificación en este caso?
SOLUCIONES
Las cuestiones 1-2 son preguntas de teoría.
3) Por la simetría en la matriz de covarianzas, probamos con el vector v = (1, . . . , 1)0 ,
1 ρ ... ρ 1 1 + (k − 1)ρ
ρ 1 ... ρ 1
1 + (k − 1)ρ
... ... ... ... ... =
,
...
ρ ρ ... 1 1 1 + (k − 1)ρ
luego v es vector propio y 1+(k−1)ρ valor propio. Los restantes vectores propios son perpendiculares
a v. Probamos con un vector w = (x1 , . . . , xk )0 verificando x1 + · · · + xk = 0 y obtenemos
1 ρ ... ρ x1 x1 + (x2 + · · · + xk )ρ (1 − ρ)x1 x1
ρ 1 . . . ρ x2 x2 + (x1 + x3 + . . . )ρ (1 − ρ)x2
x2
... ... ... ... ... = = = (1−ρ) . . .
,
... ...
ρ ρ ... 1 xk xk + (x1 + · · · + xk−1 )ρ (1 − ρ)xk xk
λ2 = · · · = λk = 1 − ρ
por lo que existen infinitas soluciones para las restantes componentes. Una puede ser
Z1 − Z2
Y2 = √ ,
2
Z1 + Z2 − 2Z3
Y3 = √ ,
6
Z1 + Z2 + Z3 − 3Z4
Y4 = √ ,
12
...
y
Z1 + · · · + Zk−1 − (k − 1)Zk
Yk = √ .
k2 − k
Las informaciones son:
I1 = (1 + (k − 1)ρ)/k, I2 = I3 = (1 − ρ)/k.
La saturación de la primera variable con la primera componente en este caso valdrá
p 1 p
Corr(X1 , Y1 ) = t1,1 λ1 = √ 1 + (k − 1)ρ.
k
ii) Si −1/2 ≤ ρ < 0, los k − 1 mayores valores propios son iguales
λ1 = · · · = λk−1 = 1 − ρ
2
por lo que hay infinitas soluciones para las dos primeras componentes. Una puede ser
Z1 − Z2
Y1 = √ ,
2
Z1 + Z2 − 2Z3
Y2 = √ ,
6
Z1 + Z2 + Z3 − 3Z4
Y3 = √ ,
12
...
y
Z1 + · · · + Zk−1 − (k − 1)Zk
Yk−1 = √ .
k2 − k
El restante valor propio es λk = 1 + (k − 1)ρ con lo que la última componente es:
Z1 + · · · + Zk
Yk = √ .
k
Las informaciones son:
λ1 = · · · = λk = 1
por lo que hay infinitas soluciones para las componentes. Una puede ser
Yi = Zi , i = 1, . . . , k.
a) Funciones discriminantes
2 1 x 1 2 1 0 1
L1 (x, y) = 0 1 − 0 1 =x+y−
1 1 y 2 1 1 1 2
2 1 x 1 2 1 1 5
L2 (x, y) = 1 1 − 1 1 = 3x + 2y −
1 1 y 2 1 1 1 2
2 1 x 1 2 1 2
L3 (x, y) = 2 0 − 2 0 = 4x + 2y − 4
1 1 y 2 1 1 0
3
b) Clasificación de z = (1, −1):
L3 (1, −1) = −2
Luego se clasifica en la población primera (máxima Li ).
c) Regiones de clasificación:
Para distinguir entre 1 y 2 hacemos:
1 5
x+y− = 3x + 2y − ,
2 2
lo que da y = −2x + 2 (negra).
Para distinguir entre 1 y 3 hacemos:
1
x+y− = 4x + 2y − 4,
2
lo que da y = −3x + 72 (azul).
Para distinguir entre 2 y 3 hacemos:
5
3x + 2y − = 4x + 2y − 4,
2
lo que da x = 32 .
El punto de corte de las tres rectas es (3/2, −3/2).
La gráfica con las regiones de clasificación puede verse en la Figura 1 (gris 1, verde 2, amarilla
3).
d) La función de Fisher canónica se obtiene haciendo:
5 3
3x + 2y − − (4x + 2y − 4) = −x +
2 2
con lo que L(x, y) = −x y K = −3/2. De esta forma, como L(1, −1) = −1 > K = −3/2, z se
clasifica en 2.
Otra función de Fisher puede ser L∗ (x, y) = x con la que
De esta forma, como L∗ (1, −1) = 1 < K ∗ = 3/2, z se clasifica en 2 (igual que antes).
4
Figura 1: Regiones de clasificación (gris 1, verde 2, amarilla 3).