0% encontró este documento útil (0 votos)
40 vistas6 páginas

Tarea Multi

Descargar como pdf o txt
Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1/ 6

TAREA MULTIVARIADO I

MIGUEL ROSALES

1. Escriba la función de densidad de probabilidad de un vector aleatorio con distribución


normal multivariada.
Primeramente para encontrar el caso general de ala distribución normal multivariada, tomamos
un vector de de N variables aleatorias independientes con µ = 0, es decir Zi =∼ N (0, σi2 ). Por
lo que la función de densidad de probabilidad conjunta es el producto de las N densidades.


N
fZ (x) = fZi (xi )
i=i
∏N
1 − 21
x2
i
= √ e σ2
i

i=i 2πσi2
1 2 −1
e− 2 x (diag(σ1 ,σ2 ,...,σN ) )x
1 T 2 2
=√ ∏
(2π)N N 2
i=i σi
1 1 T −1
=√ e− 2 x Σ x
(2π) |Σ|
N

2 ). En este caso decimos queZ ∼ N (0, Σ). Esta forma está


Donde Σ = diag(σ12 , . . . , σN
restringida al caso donde estas entradas son independientes y están centradas en 0.
Para la FDP normal multivariante general es necesario la FDP de un vector aleatorio trans-
formado con el que obtenemos lo siguiente:

T Σ−1 (y−µ)
NP (y; µ, Σ) = (2π)−p/2 |Σ|−1/2 e− 2 (y−µ)
1

−1/2 (y−µ)]T [Σ−1/2 (y−µ)]


= (2π)−p/2 |Σ|−1/2 e− 2 [Σ
1

= |Σ|−1/2 Np (Σ−1/2 (y − µ); 0, Ip )

2. Interprete los parámetros de la distribución definida en el punto 1.

µ se interpreta como la constante más próxima a X

1
2 MIGUEL ROSALES

Σ puede interpretarse en términos de la distancia d2[p] definida en el espacio de los p-vectores


aleatorios con componentes en L2 mediante

d2[p] (X, Y ) = EP [||X − Y ||2Rp ]

3. Resuelva los puntos 4.1 y 4.2 del texto guía.

4.1.) Considere una distribución normal bivariada con µ1 = 1, µ2 = 3, σ11 = 2, σ22 = 1 y


ρ12 = 0.8
a) Escriba la densidad normal bivariada.
Tenemos que:

σ12
ρ12 = √ √
σ11 σ22
√ √
σ12 = ρ12 σ11 σ22
√ √
σ12 = −0.8 2 1σ12 = −1.13
Entonces
[ ]
2 −1.13
Σ=
−1.13 1

det(Σ) = 2 − 1.132
= 0.72
con lo que tenemos
[ ]
−1 1 d −b
Σ =
det(Σ) −c a
[ ]
1 1 1.13
=
0.72 1.13 2
[ 1 1.13
]
= 0.72
1.13
0.72
2
0.72 0.72

( [ √ ])
1 1 1 2 2 2
f (x) = √ exp − 2
(x1 − 1) + (x1 − 1) (x2 − 3) + (x2 − 3)2
(2π) 0.72 2 0.72 0.9 0.72
TAREA MULTIVARIADO I 3

b) Escriba la expresión de distancia estadística al cuadrado (x − µ)T Σ−1 (x − µ) como una


función cuadrática de x1 y x2

1 2 2 2 2
(x1 − 1) + (x1 − 1) (x2 − 3) + (x2 − 3)2
0.72 0.9 0.72

4.2) Considere una distribución normal bivariada con µ1 = 0, µ2 = 2, σ11 = 2, σ22 = 1 y


ρ12 = 0.5
a) Escriba la densidad normal bivariada.

σ12
ρ12 = √ √
σ11 σ22
√ √
σ12 = ρ12 σ11 σ22
√ √
σ12 = 0.5 2 1σ12 = 0.70
Entonces
[ ]
2 0.70
Σ=
0.70 1

det(Σ) = 2 − 0.702
= 1.51
Por lo tanto
[ ]
−1 0.66 −0.46
Σ =
−0.46 1.32
( [ √ ])
1 1 2 2 2 2 4
f (x) = √ exp − x − x1 (x2 − 2) + (x2 − 2)2
(2π) 1.51 2 3 1 3 3

b) Escriba la expresión de distancia estadística al cuadrado (x − µ)T Σ−1 (x − µ) como una


función cuadrática de x1 y x2

2 2 2 2 4
x − x1 (x2 − 2) + (x2 − 2)2
3 1 3 3
c) Determine (y dibuje) el contorno de densidad constante que contiene el 50 porciento de la
probabilidad.

Por teorema tenemos


4 MIGUEL ROSALES

(x − µ)‘Σ−1 (x − µ) ≤ X22 (0.5) = 1.39


√ √
la mitad del eje mayor es igual 1.39 λ1
√ √
la mitad del eje menor es igual 1.39 λ2

Obtenemos valores propios

[ √ ]
λ−2
√ 2/2
2/2 λ − 1

por lo que obtenemos



3± 3
λ= 2

Así λ1 ≈ 2.36 y λ2 ≈ 0.633

Reemplazando
√ √ en el eje mayor
1.39 2.36 ≈ 1.81
Reemplazando
√ √ en el eje menor
1.39 0.63 ≈ 0.94
Vector propio de λ1 normalizado y fijando X2 = 1

[ ]
0.88
e1 ≈
0.46

Vector propio de λ2 normalizado y fijando X2 = 1

[ ]
−0.46
e2 ≈
0.88

Hallando el angulo entre el eje x y e1

x ∗ e1
Cos(α) =
|x| ∗ |e1 |
= 0.88
α = 27.38
TAREA MULTIVARIADO I 5

4. Escriba ventajas y desventajas de la distribución normal multivariada para el modelado de


datos multivariados.

-Una ventaja es que es matematicamente manejable y se pueden obtener resultados agrad-


ables.
- Una desventaja es que los datos en la vida real no se distrubuyen normalmente así que
cuando ajustamos el modelo hay perdida de información

5. Resuelva los puntos 4.3 y 4.4 del texto guía.

4.3) Sea X N3 (µ, Σ), con µ′ = [−3, 1, 4] y


 
1 −2 0
Σ = −2 5 0
0 0 2
¿Cuál de las siguientes variables aleatorias son independientes? Explique

a) X1 y X2
No, σ12 ̸= 0
b) X2 y X3
Si,σ23 = 0
c) (X1 , X2 ) y X3
6 MIGUEL ROSALES

Si, σ13 = 0 y σ23 = 0


d) X1 +X
2
2
y X3
Si, por 4.3 son conjuntamente normales y su covarianza es 12 σ13 + 12 σ23 = 0
e) X2 y X2 − 52 X1 − X3
No, por 4.3
[ ]
0 1 0
Σ=
− 52 1 −1
, con que AΣA‘ vemos que la covarianza es 10

4.3) Sea X N3 (µ, Σ), con µ′ = [2, −3, 1] y


 
1 1 1
Σ = 1 3 2
1 2 2

a) Encontrar la distribución de 3X1 − 2X2 + X3


3X1 − 2X2 + X3 ∼ N (13, 9)
b) Si es necesario, vuelva a etiquetar las variables y encuentre un vector 2 ∗ 1 a tal que X2 y
X2 - a‘ [ ]
X1
X2
sean independientes.
Se necesita Cov(X2 , X2 −a1 X1 −a3 X3 ) = −a1 −2a3 = 0 , entonces cualquiera a‘ = [a1 , a2 ],
de la forma a‘ = [3 − 2a3 , a3 ]

También podría gustarte