I.- Distribución Normal Multivariada

Tamaño: px
Comenzar la demostración a partir de la página:

Download "I.- Distribución Normal Multivariada"

Transcripción

1 II Modelo de Regresó Leal Mahl Herrera M. I.- Dsrbucó Normal Mulvarada. Resulados de Álgebra Leal Lema... A y B so dos marces cuadradas co versa cada ua eoces (AB - B - A - Lema... a r(a+br(a+r(b b r(abr(ba semre que AB y BA ueda efecuarse Lema..3.. S ua marz A es smérca eoces ambé lo es su versa A -. O sea, s A es smérca, (A - A -. Lema..4. a AB A B b A - A Lema..5. Las raíces caracerísca de ua marz smérca so reales. Lema..6. Las raíces caraceríscas de A dsas de cero so gual al rago de A. Lema..7. Ua marz smérca co raíces guales a cero o a uo es ua marz demoee. Lema..8 S A + B I y AB 0, eoces A y B so demoees. Lema..8. S A es demoee y smérca de rago r, exse ua marz orogoal P al que P AP Er dode Er es ua marz dagoal co r elemeos guales a uo y el reso a ceros. Lema..9. S A es demoee y smérca de rago r eoces r(a r. Lema..0 S A es demoee y smérca y P es orogoal P AP es demoee y smérca.

2 I Dsrbucó Normal Mulvarada Mahl Herrera M. Defcó... S X AX > 0 se dce que X AX es defda osva, ara odo X 0 y A es osva. Defcó... S X AX 0 se dce que X AX es semosva, ara odo X 0 y A es semosva. Defcó..3. S A es osva o semosva A es o egava. Lema... La marz A es osva s, y sólo s odos los deermaes de sus marces agulares so osvos. Lema... S P es o sgular P AP es o o es defda osva ( sem s A es o o lo es. Lema..3. Marces defdas osvas so o sgulares. Lema..4. Marces semosvas so sgulares ( el caso coraro o semre ocurre es decr ua marz sgular o es semre semosva. Lema..5. Las raíces de ua marz osva ( sem so odas mayores que cero ( mayor o gual a cero. Lema..6. AA es osva cuado A es de rago comleo or flas y semosva e cualquer oro caso. Lema..7. A A es osva cuado A ee rago comleo or columa y semosva e cualquer oro caso. Lema..8. S A es smérca de orde y rago r uede escrbrse como A LL, L es de r de rago r. Lema..9. S A es smérca, es osva s, y sólo s uede escrbrse como PP co P o sgular. Lema..0 (Lema de Loyes. S B es smérca e demoee y Q es smérca y o egava y s I B Q es o egava eoces BQ QB 0. Dermosracó. Sea Y BX ara algú X, eoces Y BY Y BBX Y BX Y Y y Y (I B QY Y QY

3 Acuaría Aálss de Regresó 3 como I B Q es o egava eoces Y QY 0, como Q es smérca, Q L L, Y QY Y LL Y 0 mlca que L Y 0 y eoces L L Y 0, lo que es lo msmo QY QBX 0 como es ara algú X, QB 0 y así eemos (QB BQ BQ 0 Teorema... S A so marces de smércas de rago k,,,. Sea A A, smérca de rago k Eoces las codcoes a A es demoee ara odo b AAj 0 ara odo j c A es demoee d k k I Para algua de las dos a, b y c mlca a, b, c y d. II s c y d a y b IIIs c y A, A,, A demoees co A o egava mlca A demoee mlca a y or cosguee b y d. Demosracó. I S se cumle a y c b Podemos observar que I A es demoee y or ao o egava y A A Aj or a es o egava I A + A A Aj I A Aj, eoces or Loyes AAj 0 ara j. I S se cumle b y a c r r j A A AA A A A + j j j A A. I S se cumle b y c a Av Sea Av λv ara odo λ 0, desejado v λ, eoces A AAv v, λ

4 4 I Dsrbucó Normal Mulvarada Mahl Herrera M. Por b Av 0, luego eoces eemos que Av Av λv, como A es demoee, eoces sus raíces debe ser 0 ó, or lo ao las raíces de A so 0 ó lo que sgfca que A es demoee hacedo lo msmo ara el reso de las marces eemos que a se verfca. I S se cumle a y c d II S c y d a y b k rago(a r(a r A ( r A k Como A es demoee A I lo es y ee rago k, eemos que (A IX 0 ee k ecuacoes lealmee deedees AX 0 ee k ecuacoes lealmee deedees AX 0 ee k ecuacoes lealmee deedees El úmero máxmo de ecuacoes lealmee deedees del ssema aeror es k, el ssema aeror lo odemos reducr a AX X, ee or lo meos ( kk ecuacoes lealmee deedees. Teemos que es ua raíz caracerísca de A, co mullcdad de al meos k, ero como rago(a k, así eemos A que es demoee, co lo que queda demosrado el uo II. Ahora III S c y A, A,, A demoees co A o egava mlca A demoee que mlca a y or cosguee b y d. Como A es o egava eoces ambé lo es I A, como A, A,, A demoees, sgfca que so o egavas y como ambé es o egava eoces A A Aj r r j A es o egava Luego I A + A A Aj I A Aj, es o egava eoces or Loyes AAj 0 ara j. Co lo que b se cumle y de ahí odas las demás. Teorema... S X es u vecor de co elemeos x y sea A u vecor de co Z Z x elemeos a y sea Z X A A X la dervada de Z co reseco a X es X A Z x Demosracó.

5 Acuaría Aálss de Regresó 5 Z El -ésmo elemeo de es; X Z así que el -ésmo elemeo de X ax j j Z j x x es a, or lo que Z X A Teorema..3. Sea A u vecor de y B de q y X ua marz de q cuyo j-ésmo elemeo es x j. Sea Z A XB q Z ax mbm, eoces X AB. m Demosracó. Z El j-ésmo elemeo de es X q ax mbm Z m x x or ao se sgue que j Z X AB. j abj Teorema..4. Sea A ua marz smérca de y X de. Sea Z X AX, eoces Z A XX D(XX, dode D(XX es la marz dagoal cuyos elemeos so la dagoal de XX. Demosracó. Z El j-ésmo elemeo de es A xxa m m Z m a a Z s j, x a j j. S j j Z a x Z xj. Así eemos que j A XX D(XX.

6 6 I Dsrbucó Normal Mulvarada Mahl Herrera M. Teorema..5. Sea A ua marz smérca de y X de. Sea Z X AX, eoces Z X AX. Demosracó. Z El j-ésmo elemeo de es X xxa m m Z m x x q + xmamm xxmam m m m x luego eoces Z X AX. xa + xa xa. Normal Mulvarada.. Defcó y roedades La geeralzacó de la fucó de desdad de ua dsrbucó Normal a varas dmesoes juega u ael morae e el aálss de regresó. Ua veaja de la dsrbucó ormal mulvarada are del hecho de que es maemácamee raable y se uede obeer resulados bueos. Frecueemee ese o es el caso co oras dsrbucoes mulvaradas. Aes de defr la dsrbucó Normal Mulvarada, ecesamos defr alguos momeos de u vecor aleaoro, es decr, u vecor cuyos comoees esá

7 Acuaría Aálss de Regresó 7 dsrbudos cojuamee. La meda o eseraza de u vecor aleaoro X m esa defdo or ser el vecor de eserazas: E( x E(X E( x m x x m de Mas geeralmee, s Z (zj es ua marz aleaora de q, eoces E(Z, la eseraza de Z, es la marz cuyo j-ésmo elemeo es E(zj. Auque o eremos e dealle del desarrollo del sguee resulado, es smle comrobar que s B, C y D so marces de cosaes de m, q y m resecvamee, eoces E (BZC + D B E(Z C + D (. S X ee meda μ la marz de varaza-covaraza(varcov de X esa defda or la marz de Σ Cov(X E(X μ(x μ. El elemeo j-ésmo de Σ es E ( ( j x - μ x j - μ j, la covaraza ere las varables x y xj, y el -ésmo elemeo es ( E x - μ, la varaza de x, la marz de varaza-covaraza la odemos oer como Σ es decr, es ua marz de orde y dode j es la covaraza ere la varable j e, como odemos ver los elemeos de la dagoal de Σ so o egavos. Σ es smérca, es decr, Σ Σ. Además, la clase de marces de varaza-covaraza cocde co la

8 8 I Dsrbucó Normal Mulvarada Mahl Herrera M. clase de marces o-egavas defda. Recordemos que ua marz smérca A de m m es o egava defda s y defda osva s α A α 0 ara oda α R m α A α > 0 ara oda α R m. Teorema... La marz Σ de m m es ua marz de varaza-covaraza, s, y solo s es o-egava defda. Demosracó. Suogamos que Σ es la marz de varaza-covaraza de u vecor aleaoro X, dode X ee meda μ, eoces ara oda α R mx, Var (α X E [ (α X α μ (α X α μ ] (. E [α (X μ ( X μ α] α Σ α 0 luego Σ es o egava defda. Ahora suogamos que Σ es ua marz o-egava defda de rago r, dgamos (r m. Escrbmos Σ C C, dode C es ua marz de m r de rago r. Sea Y u vecor de r de varables aleaoras deedees co meda 0 y Cov (Y I ara X CY. Eoces E (X 0 y al que Σ es ua marz varcov. Cov (X E [XX ] E[C YY C ] CE (Y Y C CC Σ, Comúmee hacemos rasformacoes leales de vecores aleaoros y ecesamos saber como las marces de varaza-covaraza so rasformadas. Suogamos que X es u vecor aleaoro de m co meda μx y marz de varazacovaraza Σx y sea Y BX + b, dode B es de k m y b es de k. la meda de Y es, μy B μx + b, y la marz de varaza-covaraza de Y es; Σy E[ (Y μy (Y μy ] (.3 E [ ( BX + b (BμX + b (BX + b (BμX + b ] BE[(X μx (X μx ]B

9 Acuaría Aálss de Regresó 9 B Σ B Recordemos que la dsrbucó ormal uvarada, co meda μ y varaza, ee fucó de desdad: f(x π ahora cosderado el exoee: e xμ - < x < x μ (x μ ( - (x μ odemos geeralzarlo ara u vecor de las observacoes sobre varas varables, X de al que edríamos (X μx Σ (X μx dode el vecor μx de reresea el valor eserado del vecor aleaoro X y la marz Σ es la marz de varaza covaraza. La cosae de la ormal uvarada se susuya or ua cosae π mas geeral, la cosae ara la dsrbucó ormal mulvarada es ( π / Σ /, cosecueemee la desdad ormal dmesoal ara el vecor aleaoro X ee la forma: fx (X / / (π Σ e ( X μx Σ ( X μ X dode - < x <,,...,. y Σ es de rago. La meda de X esa defda or E[X] μ, y la marz de varaza covaraza or E [(X μx(x μx ] Σ. Usualmee la desdad ormal -dmesoal se deoa or N (μ, Σ, la cual es aáloga al caso uvarado. Ahora daremos la defcó formal de la desdad ormal mulvarada. Defcó... S y, y,,y so varables aleaoras y s Y es el vecor de esas varables Y μ R Y μ f(y, y,,y K ( e ( - < y <,,, es la fucó de desdad de ua ormal mulvarada s se cumle a R es ua marz defda osva, rj so cosaes.

10 0 I Dsrbucó Normal Mulvarada Mahl Herrera M. b K es ua cosae osva. c μ es el -ésmo elemeo de μ, μ so cosaes. / R K ( π Hacedo R Σ, eemos la msma fucó deducda aerormee a arr de la fucó de desdad ormal uvarada. Ora defcó alera es la sguee. Defcó... El vecor aleaoro de m X se dce que ee ua dsrbucó ormal m-varada s, ara cada α R mx, la dsrbucó de α X es ormal uvarada. A arr de las defcoes ahora esableceremos alguas roedades de la dsrbucó ormal mulvarada. Teorema... S X es Nm (μ, Σ eoces la fucó caracerísca de X es / v R mx φx (v ex ( v μ ½ v Σ v. (.4 Demosracó. Aquí φ, φx (v E [ ex(v X ] ( vx El lado derecho deoa la fucó caracerísca de la varable aleaora v X evaluada e. Ya que X es Nm(μ, Σ eoces v X se dsrbuye como ua ormal uvarada, v X N(v μ, v Σv al que lo cual comlea la demosracó. ( φ ex ( v μ ½ v Σ v. vx S u co,,, r, so v.a...d co dsrbucó ormal esádar, s U es el vecor de r cuyos elemeos so dchas varables. φu(v E [ ex ( v U ]

11 Acuaría Aálss de Regresó Ahora s oemos r j j j deedeca r ex v j ex v v E ex( vu (or X CU + μ j (or ormaldad dode C es ua marz de m r de rago r al que Σ CC, y μ R mx. Eoces X ee fucó caracerísca (.4, E [ex (v X] E[ ex (v CU ] ex (v μ φu(c v ex ( v μ ex (- ½v CC v ex ( μ v ex ( v μ ½ v Σ v. Vale comear que odríamos haber defdo la dsrbucó ormal mulvarada Nm(μ, Σ or medo de la rasformacó leal sobre varables ormal esádar deedees. Tal que dcha rereseacó e la rácca es muy úl... Formas leales, Margales y Codcoales. Regresado a las roedades de la dsrbucó ormal mulvarada, los sguees resulados muesra que cualquer rasformacó leal de u vecor ormal ee ua dsrbucó ormal. Teorema..3. S X es Nm ( μ, Σ y B es ua marz de dmesó k m, b es u vecor de k, eoces Demosracó. Y BX+b es Nk ( Bμ + b, B Σ B. El hecho de que Y es ormal k-varada es ua cosecueca dreca de la defcó.., ueso que odas las fucoes leales de los comoees de Y so

12 I Dsrbucó Normal Mulvarada Mahl Herrera M. fucoes leales de los comoees de X y esos so odos ormales. La meda y la covaraza de la marz Y esá claramee defdas. Ua roedad morae de la dsrbucó ormal mulvarada es que odas las dsrbucoes margales so ormales. Teorema..4. S X es Nm ( μ, Σ, eoces la dsrbucó margal de cualquer subcojuo de k < m comoees de X es ormal k-varada. Demosracó. Eso se sgue drecamee de la defcó, o del eorema..3. Por ejemlo, hacemos ua arcó de X, μ y Σ como X μ Σ Σ X X, μ, Σ μ Σ Σ dode X y μ so de k y Σ es de k k, oedo B [ Ik : 0] es de dmesó k m y b 0 E el eorema..3 se muesra medaamee que X es Nm ( μ, Σ. Ua cosecueca de ese eorema es que la dsrbucó margal de cada comoee de X es ormal uvarada. Lo verso o es cero e geeral; eso es, el hecho de que cada comoee de u vecor aleaoro o es (margalmee ormal o mlca que el vecor ega ua dsrbucó ormal mulvarada. [Esa es ua de las razoes or la cual el roblema de ruebas (de hóess de ormaldad mulvarada es hasa cero uo u ao comlcado e la rácca]. Recordemos que la deedeca de dos varables aleaoras mlca que la covaraza ere ellas, s esa exse, es cero, ero que el caso coraro e geeral o es cero. Esa caracerísca, ara la dsrbucó ormal mulvarada, es como la muesra el sguee resulado. Teorema..5. S X es Nm ( μ, Σ y X, μ y Σ es ua arcó como la sguee: X X X μ, μ μ Σ Σ, Σ, Σ Σ dode X y μ so de k y Σ es de k k, eoces los subvecores X y X so deedees s, y solo s Σ 0.

13 Acuaría Aálss de Regresó 3 Demosracó. Σ es la marz de covarazas ere los comoees de X y los comoees de X, de al maera que la deedeca de X y X mlca que Σ 0. Sea Σ 0, la fucó de desdad de X es, f(x ( 0 π 0 Σ / Σ / ( / / / π Σ Σ f(xf(x or lo ao X, X so deedees. e e μ Σ μ X 0 X X μ 0 Σ X μ (( ( ( ( X μ Σ X μ + X μ Σ X μ Ese eorema se uede exeder al caso dode se hace arcoes de X e u umero de subvecores. Lo morae de eso es que ara deermar s dos subvecores de u vecor dsrbudo ormalmee so deedees es sufcee comrobar que la marz de covarazas ere lo dos subvecores es cero. Teorema..6. S los vecores aleaoros X y Y de m so deedees y X + Y ee ua dsrbucó ormal m-varada, eoces X y Y se dsrbuye como ormal. Demosracó. Para cada α R mx, la dsrbucó de α (X + Y α X + α Y es ormal (or el eorema..3, ya que X + Y es ormal. Pueso que α X y α Y so deedees, mlca que ambas so ormales, y or lo ao X y Y so ormal m-varada. Ua roedad be coocda de la dsrbucó ormal uvarada es que las combacoes leales de varables ormales deedees so ormales. La geeralzacó a la suacó mulvarada, es como se muesra a couacó. Teorema..7. S X,...,XN so odas deedees, y X es Nm (μ, Σ ara,..., N, eoces ara cualquer cosae fja α,..., αn,

14 4 I Dsrbucó Normal Mulvarada Mahl Herrera M. N N N α X es N m αμ, α Σ. La demosracó de ese eorema se sgue de la defcó.., o or seccó N de la fucó caracerísca de α X. X Teorema..8. S X ~ N(μ, Σ, X R k, co X, ( X X, X so cojuamee μ + Σ Σ X μ, Σ Σ Σ Σ. ormales X X ~ N( ( Demosracó. I 0 Sea A, es claro que A I, s Σ Σ I I 0 X μ X μ W A(X-μ ΣΣ I X μ Σ Σ ( X μ + ( X μ Luego ( f W,W W W W W W ~N 0 Σ 0, 0 0 Σ Σ Σ Σ k/ ( / π Σ e ( Σ W W k ( / / π Σ Σ Σ Σ e ( W W Σ Σ Σ Σ fxx ( X,X WW ( ( f A X-μ I ( f X -μ,( X -μ Σ Σ ( X -μ W W ( π k/ Σ / e ( Σ W W k ( / / π Σ Σ Σ Σ e ( W W Σ Σ Σ Σ ( f X X X X

15 Acuaría Aálss de Regresó 5 k ( / / π Σ Σ Σ Σ e (( X ( X ( ( X ( X ( μ Σ Σ μ Σ Σ Σ Σ μ Σ Σ μ Como odemos ver X X ~ N( ( μ +Σ Σ X μ, Σ Σ Σ Σ. Defcó..3. A Q (X μ Σ (X μ se le deoma la forma cuadráca asocada X μ Σ X μ a la fucó de desdad fx(x K ( ( X e X Teorema..9. S X ~ N(μ, Σ, X R k co forma cuadráca Q, el vecor de medas μ Q es aquel que da la solucó al ssema de ecuacoes 0. X Demosracó. La desdad la odemos oer como fx(x K el valor de X que maxmza fx(x es el valor de X al que Q0, como Q (X μ Σ (X μ y es defda osva, Q sólo uede ser cero e el uo X μ0, es decr el uo e dode X μ, or lo que odemos decr que μ es el uo que maxmza a fx(x. X La solucó al ssema f (X 0 da el uo máxmo de fx(x y or lo X mecoado aerormee al uo es μ. Pero como f X(X Q Q Ke X X X Se sgue que el vecor que sasface f (X 0, es el msmo que sasface X Q ao el vecor μ es la solucó al ssema X 0 e Q Q X 0. Por Ejemlo. Sea x, x, dos varables dsrbudos cojuamee como ua ormal mulvarada co forma cuadráca

16 6 I Dsrbucó Normal Mulvarada Mahl Herrera M. Q x + x xx 3x x+4 A arr de la forma cuadráca deseamos ecorar el vecor de medas y la marz de varaza covaraza. La forma cuadráca la odemos escrbr como Q (X μ Σ (X μ X Σ X El úco érmo que ee érmos de segudo grado es X Σ X x + x xx así eemos que Σ x x x x y Σ X X μ Σ Σ μ + μ Σ μ X Σ X, así eemos que ahora sólo os hace fala obeer la meda, or el eorema aeror esa la odemos Q obeer resolvedo el ssema X 0. Q Teemos que x x 3 0 x Q x + 4x 0 x La solucó al ssema aeror es x, x así eemos que μ y μ..3 Dsrbucó de formas cuadrácas. Recordemos que ua fucó de desdad es u mezcla de fucoes s: co j es al que j 0 y j j Defcó.3. La fucó de desdad f X (x f ( x j j j y fj(x so fucoes de desdad, j,,.

17 Acuaría Aálss de Regresó 7 fx(x; λ, f j + j j 0 dode f+j(x es la fucó de desdad de ua χ (+j y j e (x λ λ j, j 0,,,. j! a la fucó de desdad aeror se le deoma χ o ceral co arámero de o ceralzad λ y grados de lberad ( χ. (, λ Teorema.3. El valor eserado y la varaza de la varable defda aerormee so: E(X +λ V(X (+4λ Demosracó. j λ λ E(X x jf + j(xdx e ( + j +λ j! E(X 0 j 0 j + j 0 j 0 j λ λ x f (xdx j 0 ( e ( + j + ( + j j 0 j! ( + j+4j λ e + ( 4+ 4 j 0 j λ j! + +(4+4λ +4(λ+λ 4λ +8λ + 4λ + + V(X E(X E(X 4λ +8λ + 4λ + + (+λ (+4λ Teorema.3. La fucó caracerísca de ua χ(, λ es; ϕx( ( e λ Demosracó.

18 8 I Dsrbucó Normal Mulvarada Mahl Herrera M. ϕx( x e jf + j(xd 0 j 0 x λ λ x j e e f + (x 0! j j j 0 + j j λ j 0 e λ j! dx j λ λ e j 0 j! ( e λ Corolaro.3... S X se dsrbuye como ua χ(, λ, s λ 0 eoces X es ua χ(. Defcó.3.. S W χ(, λ y U (,0 χ q so dos varables deedees, la varable W V, ee fucó de desdad F o ceral co arámero de o ceraldad λ y U q y q grados de lberad e el umerador y deomador resecvamee ( F(,q,λ. Teorema.3.3. S X N(μ,I eoces X X χ (, λ, co λ μ μ. Demosracó. X X ( ϕ ( Ee E XX e j x ( xjμj j e e dx j j π e ( j π ( x j ( μ xj j +μ j e d x μ j μj ( xj j j ( π e j dx j

19 Acuaría Aálss de Regresó 9 e μ j j ( e j λ S omamos como λ co λ μμ χ, μμ, hemos llegado a la fucó caracerísca de ua (, λ Corolaro.3.3. S X N(0, I eoces X X χ(. Teorema.3.4. S X N(μ,Σ eoces X AX χ (, λ, co rago(a y λ y sólo s, AΣ es demoee. μ A μ, s, Demosracó. La fucó caracerísca de X AX es ϕ ( v e XAX ( π e ( ( X μ Σ ( X μ vx AX ( μ Σ μ e dx ( X ( IvAΣ Σ X +μ Σ X π Σ Σ ( Σ Σ( Σ e dx ( μ Σ μ μ Σ Σ IvAΣ Σ μ e I va e ( Σ I va e ( λ j j v e μ ( I( IvAΣ Σ μ k k μ ( v ( AΣ Σ μ k dode λj so las raíces caraceríscas de AΣ, co AΣ es demoee de rago, valores de λj so uo y so ceros y como ( AΣ AΣ ϕ ( v ( ( v k v e XAX j ( v e k μ AΣΣ μ μ Aμ( ( v

20 0 I Dsrbucó Normal Mulvarada Mahl Herrera M. χ(, λ luego eoces X AX, λ μ μ. A Ahora suoedo que X AX co rago(aσ. χ(, λ, hay que robar que AΣ es demoee Teemos que ϕ ( v ( μ ( I( IvAΣ Σ μ IvAΣ e ( XAX v e μ Aμ( ( v Lo aeror es ara cualquer μ, s erdda de geeraldad omemos a μ0, subsuyedo μ 0 e la gualdad aeror hacedo u v ( v ( IvAΣ ( u ( I uaσ sea λ,λ,,λ las raíces caraceríscas de AΣ, eoces eemos que ( u j ( uλ j ara que la gualdad se cumla debemos eer raíces caraceríscas guales a cero, luego eoces, os queda que ( u j ( uλ j sacado logarmo de ambos lados eemos que los λj so guales a uo, luego eoces AΣ es ua marz demoee co rago(aσ. Corolaro S X N(0,I eoces X AX es demoee. χ( k, co rago(a k,s y sólo s A Corolaro.3.4. S X N(μ,I eoces X AX s, y sólo s, A es demoee. χ, co rago(a y λ (, λ μ μ, A Teorema.3.5. S X ~ N(μ,Σ eoces BΣA 0. X AX y BX so deedees, s, y sólo s

21 Acuaría Aálss de Regresó Demosracó. Por ser A smérca AL L, dode L es de rago comleo. Por lo que Cov(BX, L X E(BX Bμ( L X L μ E( B(X-μ(X-μ L BΣ L Pero como eemos que BΣA 0 eemos que BΣL L 0, como L es de rago comleo L L ee versa y BΣ L L 0 mlca BΣ L 0 Por lo que BX es deedee de L X. Eoces BX es deedee de X L L X X AX. Ahora demosremos que s X AX y BX so deedees eoces BΣA 0. Como X AX y BX so deedees eemos que Cov(BX, X AX 0 Cov(BX, X AX E(BX Bμ( X AX E( X AX BE(X μ( X AX μaμ BE(X μ[(x μ A(X μ+ (X μ Aμ ] BΣAμ lo que sgfca que BΣA 0. Teorema.3.6. S X~N(μ,Σ, A y B smércas, X AX y X BX so deedees s y sólo, AΣB0 (o equvaleemee BΣA 0 (Cosderado que, AΣ y BΣ so demoees y el rago(aq y rago(bq Demosracó. S X AX y X BX so deedees, eemos que X AX+ X BX χ, co q+q y λ ( (, λ X (A+BX se dsrbuye como ua μ A+ B μ. Teemos que (A+BΣ debe ser demoees, luego eoces AΣB0. Ahora demosremos que s AΣB0 eoces X AX y X BX so deedees, ((A+B Σ ((A+B Σ AΣAΣ+ AΣBΣ+ BΣAΣ+ BΣBΣ AΣ+ AΣBΣ+ BΣAΣ+ BΣ (A+BΣ

22 I Dsrbucó Normal Mulvarada Mahl Herrera M. χ(, λ Lo que sgfca que X (A+BX se dsrbuye como ua co y λ defdas como arrba, luego eoces X AX y X BX so deedees. La demosracó del sguee eorema se sgue a arr del eorema.. y los resulados de esá seccó. Teorema.3.5. (Teorema de Cochra Sea Y ~ N(μ, I y A so marces de smércas de rago k,,,. y A A, smérca de rago k, eoces las Y A ' jy~ χ(, λ co rj y λ μ A jμ, será deedees y Y AY~ ' χ co r y λ (, λ μ Aμ s y sólo s I S se cumle algua de las dos a, b y c mlca a, b, c y d. II c y d a y b III c y A, A,, A- demoees co A o egava mlca A demoee y or ao mlca a y or cosguee b y d. a A es demoee ara odo b AAj 0 ara odo j c A es demoee co k k.

23 3 II Modelo de Regresó Leal Mahl Herrera M. II.- Modelo de Regresó Leal.. Esmacó de los arámeros. Para el modelo leal geeral co observacoes y coefcees, e forma vecoral eemos Y Xβ + e co y x x x- y x x x Y, X -, β y x x x - β β β 0 - e, e e, e Dode Y, X so coocdas y β descoocda, además e~ N(0, I y X de rago comleo, ex e e f (e; 0, ( ( I ( I / ( π ( π / ( π / ex ( Y X β ( I ( Y X β ( Y X ( Y X ex β β como los β s so descoocdos, busquemos sus valores esmado or máxma verosmlud, la fucó de verosmlud es; L(,β; e / ( π l π+ l L(L(,β;e ( ( Y X ( Y X ex β β β β ( Y X ( Y X

24 4 II Modelo de Regresó Lea Mahl Herrera M. dado que β XY YXβ L(L( β L(L( ( l π+ l ( X Y + X Xβ 4 β +β β ( YY XY XX + ( YYYXβ+βXXβ 4 + ( ( gualado a cero ambas ecuacoes, Y Xβ YXβ + XY+ XXβ 0 ( β XX XY ( X Y X Xβ + ( YXβ ( YXβ 4 ( YXβ YXβ ( 0 0 Ahora obegamos la eseraza de los esmadores. ( (( E β E X X X Y hacedo S XXy susuyedo Y Xβ + e ( ( β+ E( S X X S Xe E β E S X ( X e β+ β+ ( β S X Ee es decr, β es u esmador sesgado de β, ahora calculemos la eseraza de susuyedo el valor de β E ( E ( Y Xβ YXβ ( (( ( ( ( ( E Y XS X Y Y XS X Y E Y I XS X I XS X Y

25 Acuaría Aálss de Regresó 5 Podemos ver que I XS X es demoee Susuyedo Y Xβ + e ( ( E Y I XS X Y e (( β+ ( ( β+ E X I XS X X E ( X X X XS X X X ( I XS X ( I XS e e X X e ( I XS β ββ β+β + β+ X e Como E(e 0 E ( E I XS X ( e ( e Por lo demosrado e la area 4 (S X es el vecor co X ~ N(0, I y A es demoee de rago k eoces E( X AX k. ( Luego eoces ara oder eer u esmador sesgado de la varaza debemos cosderar a ( Y Xβ ( YXβ - Ahora obegamos la marz de varaza covaraza de β V( β E( β E( β ( β E( β E( β β( β β e susuyedo el valor de Y y de β es claro que S ( S E( S X ( Xβ + e β ( S X ( Xβ+ e β E( β+ S Xeβ( β+ S Xeβ ( ee XS ( S X Eee XS E S X S X XS S

26 6 II Modelo de Regresó Leal Mahl Herrera M. de aquí odemos deducr que β N(β, S... Mímos Cuadrados y Proyeccó Orogoal. E esa seccó veremos la relacó que exse ere el méodo de esmacó de mímos cuadrados emleado e el aálss de regresó co la mejor aroxmacó a u vecor, emecemos co u ejemlo aes de emezar co el formalsmo del ema. Ejemlo. U vesgador recoleca formacó medae la realzacó de medcoes y, y,, ym e los saes,,,m, resecvamee. Por ejemlo, uede realzarse medcoes sobre el desemleo e dsas fechas durae u eríodo. Suógase que se grafca los daos (,y,,(m,ym como uos del lao. A causa de la dsrbucó de ales uos, él esa que exse ua correlacó leal ere y y, al como yc+d. El vesgador esá eresado e ecorar los arámeros c y d de al maera que la reca yc+d reresee el mejor ajuse osble ara los daos recolados. Ua esmacó del ajuse es calcular el error e que reresea la suma de cuadrados de las dsacas vercales de los uos a la reca, eso es, m e (y-c-d Así, su roblema es ecorar las cosaes c y d que mmce a e. Eso lo coduce a cosderar el sguee ssema de ecuacoes : c+dy c+dy mc+dym y o be AX y, dode A, X c y y y. d m ym

27 Acuaría Aálss de Regresó 7 Por suueso que arecería rreal suoer que al ssema ee ua solucó ueso que e la rácca, el úmero de ecuacoes excede co mucho al úmero de cógas, ara resolver ese o de roblema veamos los sguees resulados. Para x, y e F, deoaremos or x,y al roduco ero caóco (ordaro de x, y e F. Lema... Sea A ua marz de m x sobre F, x esá e F, y e F m. Eoces Ax,y m x,a * y Demosracó. ao; Sea Ax c dode c F m y c esá defda or c Ax co,..., m, or Ax,y cy+ + cmym y( A jx j + + ym( Amjx j j m y Ajx j j m j j j j Ax y j j j Por oro lado A * yd dode d esá e F * y d esá defda or dj Aj y co j,,. El lado derecho de la gualdad queda como: m m A y j x,a * y dx+ + dmxm x( A y + +x( A y m m x j Aj y j m m j Ax y Ax,y j j j m A y x j j Lema... Sea A ua marz de m sobre F. Eoces el rago(a * A rago(a. Demosracó. Sólo eemos que demosrar que, ara x e F, A * Ax 0 s y sólo s Ax 0. Claramee s Ax 0 mlca que A * Ax 0. Por ello suógase que A * Ax 0.

28 8 II Modelo de Regresó Leal Mahl Herrera M. Eoces 0 A * Ax,x Ax, A ** x m Ax,Ax m de modo que Ax 0. Corolaro... S A es ua marz de mx al que el rago(a, eoces A * A es verble. Demosracó. Como A es de rago eoces or el lema aeror A * A es de rago ero como A * A es ua marz de x eoces A * A es verble. Teorema... Sea A ua marz de m sobre F, y e F m. Eoces, exse x0 e F al que (A * Ax0 A * y y Ax0 y Ax y ara oda x F. Además, s rago(a, eoces x0(a * A - A * y. Demosracó. Cosdérese a Ax y, defmos a W{Ax: x F }. Hacedo a E la royeccó orogoal sobre W, escójase a x0 e F al que E(yAx0. Eoces or E(y y u y ara oda u e W; eso es, Ax0 y Ax y ara oda x e F. Observemos que como E es ua royeccó orogoal, Ax0 y E(y-y esá e W, eoces Ax,Ax0 y m 0 ara oda x e F. Luego or el Lema, eemos que x,a * (Ax0 y 0 ara oda x e F ; eso es, A * ( Ax0 y0. Así úcamee eemos que ecorar ua solucó ara A * Ax0A * y. S además suoemos que rago(a, eoces or Lema eemos que x0(a * A - A * y. El eorema aeror se mosró que, s rago(a, eoces exse u elemeo x0 F úco al que Ax0, es el uo e W más cercao a y. Por suueso, s rago(a<, exsrá u úmero fo de esos vecores. Esá forma de aroxmacó es mejor coocda como mímos cuadrados es muy úl ara resolver ssemas de ecuacoes cuyos roblemas evuelva e que el úmero de ecuacoes exceda del úmero de cógas, muy ulzado eso e la área de esadísca.

29 Acuaría Aálss de Regresó 9 Regresado a uesro ejemlo aeror, ero ahora co u ejemlo umérco. Suogamos que el vesgador recolo los sguees daos: (,, (,3, (3,5 y (4,7. Eoces A y y 3 ; or lo ao 3 4 A * A y eoces (A * A Por cosguee c x0 d Así, la reca y.7 es la reca de mímos cuadrados. El error E uede calcularse drecamee como Ax y Pero que asa s el rago de A es meor a, ese roblema se resuelve or medo de marces seudoversas..3 Iervalos de Cofaza. Para el modelo leal geeral co observacoes y coefcees a esmar, que e forma vecoral eemos Y Xβ + e co

30 30 II Modelo de Regresó Leal Mahl Herrera M. y x x x- y x x x Y, X -, β y x x x - β β β 0 - e, e e, e Dode Y, X so coocdas y β descoocda, además e~ N(0, I y X de rago comleo, Recordemos que, los esmadores máxmo verosmles del modelo so; ( β XX XY ( Y Xβ YXβ e el caso de la varaza ulzaremos el sesgado. ( Y (I X(X X - X Y De las ecuacoes aerores hemos deducdo que β N(β, S dode S XX, y ambé eemos que ervalos de cofaza. ( - χ (, ahora obegamos alguos.3. Iervalos de cofaza ara β La margal del -ésmo elemeo de β es, β N(β, c, dode c ( S, eoces Z y β β c β T β c N(0, ( S buscamos el valor de k al que P ββ k k α, esé es, k c α ( -

31 Acuaría Aálss de Regresó 3 Pβ ( c ( c α β β+ α - - α lo que acabamos de obeer, es el ervalo de cofaza ara β co el ( α00% de cofaza..3. Iervalo de cofaza ara. Para obeer el ervalo de cofaza de usemos la voal ( - χ (, P k ( - k α P ( - ( - α k k ^ ^ - - (, co ua cofaza del ( α00%, co k k k χ k α ( - χ α ( - y.3.3 Iervalo de cofaza ara E(y ( E(y x,x,,x -. E(y x * β β - 0 x (queremos el valor eserado de y dado que coocemos x0, x, x,,x-. * x β0 x es ua observacó de las varables deedees y β β. x - β -

32 3 II Modelo de Regresó Leal Mahl Herrera M. El esmador de E(y es E( y x * β - β 0 Sabemos que β N(β, S luego eoces x. x * β N( * β, x x * S x *. y Teemos que Z T x β x * * * * x x S x β x β * * β * ( x * S x N(0, ( x * βx * β Pk k α * ( x * S x Px * ( x * S x x * x * ( x * S ( ( * β * α - β β+ α - x α βx ( β x α - * ( x * S x ( - 0, β x + α - * ( x * S x ( es el ervalo de cofaza de - 0 Noa. No hay que olvdar que x0. βx co ua cofaza del ( α00%..3.4 Iervalos de cofaza ara observacoes smuláeas. S eemos x, x *,, * (vecores de, s quséramos ferr * x k smuláeamee ara * β, x * β,, * β buscamos k-ervalos ales que, x x * β I, x * β I,, * β Ik, s a cada uo de esos eveos los desgamos x k or Aj, es decr, cada uo cumle co P(A α, P(A α,, P(Ak αk osoros buscamos que el eveo A A Ak suceda co ua robabldad de or lo meos α x k

33 Acuaría Aálss de Regresó 33 P(A A Ak P(A A Ak c c c c P( A A A k c c c c ( P(A + P(A + + P(A k s P(A k ( α k + α k ++ α k α α k Hacedo P(A α k, P(A α k,, P(A k α, odemos obeer lo k que queremos. De aquí, odemos decr, que ara obeer smuláeamee k-ervalos ara * β, x * β,, * β eemos que calcular los k-ervalos x x k Ij ( * ^β x j α k - * ( * x S x ( j j, * x j ^β + α k - * ( * x S x ( j j Así los k-ervalos ocurre smuláeamee co ua cofaza ( α00%, j,, k. S ahora quséramos u ervalo de cofaza o sólo ara alguos s o ara odo x* lo que buscamos es algo como; P x βx β c α ara odo x* * x * S x * * ( buscado es valor de c, eemos * ( x * βx * β c x * S x ara odo x* ( ( * x * βx * β c x * S x ara odo x* 0 x ( ( ( * c S ββ ββ x * ara odo x* A u Sea W u ce A ce u A u W ce A u ce u W es semdefda osva s, y sólo s ce u A u 0 s, y sólo s A u u 0 ce

34 34 II Modelo de Regresó Leal Mahl Herrera M. Hacedo A S, u ββ y ce c, W es semdefda osva s, y sólo s ( ( c ββ S ββ 0 s, y sólo s ( S ( ββ ββ 0 c Sabemos que β N(β, S luego eoces β β N(0, S ( XX ( β β N(0, I XX β β N(0,I ( ( ( β β ( XX ( β β χ ( ( ββ XX( ββ Como ( - χ, eoces ( F(,, or ao c es el ercel de ua F(,, el ervalo de cofaza buscado es ^ x * β ( x * β F α (, - ua cofaza del ( α00%. * ( x * S x, x * ^ F α - * ( x * S x β + (, co.3.5 Iervalo de cofaza ara y F F F F * Sea y, y,, y s observacoes deedees de ua oblacó N( x β, F F F ( e deedees de y, y,,y es decr, y, y,, y s o esá e la muesra orgal co la que esmamos los coefcees del modelo, aquí x * x x - s F y es u vecor de. S defmos a y F N( x s que x * β N( x * β, x * S x *, luego eoces * β, /s, aerormee vmos

35 Acuaría Aálss de Regresó 35 y F x * β N0, + x* S x* s F y x* β + x* S x* s N(0, F y x* β + x* S x* s ( luego eoces el ervalo de cofaza ara y F es; y ( F x * β ^ α + x* S x* s, x * ( - ^ β + α + x* S x* s ( - es el ervalo de cofaza de y F co ua cofaza del ( α00%..4 Pruebas de Hóess..4. H 0 : β 0 Para el modelo leal geeral co observacoes y coefcees a esmar, que e forma vecoral eemos Y Xβ + e co y x x x- y x x x Y, X -, β y x x x - β β β 0 - e, e e, e Dode Y, X so coocdas y β descoocda, además e~ N(0, I y X de rago comleo,

36 36 II Modelo de Regresó Leal Mahl Herrera M. Deseamos buscar la rueba ara H0:β0. Usado el cocee de verosmlud geeralzada, lo que buscamos, es lo sguee, vamos a rechazar H0, s, SuL( θ, θ Θ 0 λ <k, k ua cosae osva SuL( θ, θ Θ dode L(θ, es la fucó de verosmlud y θ Θ0 so los arámeros descoocdos bajo la hóess ula y θ Θ so odos los arámeros descoocdos, la fucó de verosmlud del modelo es; L(,β; e / ( π ( Y X ( Y X ex β β ara ecorar el deomador de λ, lo úco que se debe de hacer es susur los esmadores máxmos verosímles del modelo e la fucó de verosmlud, eso es: SuL( θ, θ Θ / ( π ( ( Y X Y X ex β β ( dode β XX XYy ( Y Xβ YXβ ( Ahora be, bajo H0 eemos que β 0, así eemos que, L( ; e / ( π ex L(L( ; e ( l π+ l Y Y YY gualado a cero, L(L( + 4 YY + 4 YY 0 0 YY De aquí eemos que el umerador de λ es:

37 Acuaría Aálss de Regresó 37 SuL( θ, θ Θ 0 / 0 ( π ex Y Y 0 sabemos que YY Y de maera semejae, SuL( θ, θ Θ 0 λ SuL( θ, θ Θ ( π 0 ( π ( Y X ( Y X / / β β YXβ ex ex Y 0 YXβ 0 YXβ Y YXβ Y Xβ + Xβ como YXβ Y Xβ, lo aeror os queda como λ + - X β YXβ -

38 38 II Modelo de Regresó Leal Mahl Herrera M. Rechazamos H0 s YXβ que deedees Xβ >k0, ahora busquemos el valor de k0, es fácl verfcar YXβ - Xβ χ( y χ( y como ambas formas cuadrácas so F Xβ YXβ - F(, La robabldad de comeer el error o I sería P(F>k0 α, eso bajo H0, de aquí odemos deducr que k0 F α(,. Alo que hemos llegado, es que, rechazamos H0 s Xβ > F α(, YXβ - Lo que hemos hecho se resume e la sguee abla deomada como la abla de Aálss de Varaza Tabla de Aálss de Varaza Varacó g.l Suma de Cuadrados. Cuadrados medos Debdo a β P Xβ Xβ Error Y Xβ YXβ - Toal N Y Y Prueba F Xβ YXβ -

39 Acuaría Aálss de Regresó H 0 : β 0 Para el modelo leal geeral co observacoes y coefcees a esmar, que e forma vecoral eemos Y Xβ + e β x S realzamos la sguee arcó sobre β, β r es decr β es u β ( r x vecor de r que coee r coefcees de β y β es u vecor de (-r que coee r coefcees de β (dferees de β. Podemos arcoar uesro modelo orgal de la sguee forma β Y (X X + e, X β es de r y X es de ( r Deseamos buscar la rueba ara H0:β0. Usado el cocee de verosmlud geeralzada, lo que buscamos, es que, ara oder rechazar H0. SuL( θ, θ Θ 0 λ <k, k ua cosae osva SuL( θ, θ Θ La fucó de verosmlud del modelo es; L(,β; e / ( π ( Y X ( Y X ex β β el deomador de λ, sería, SuL( θ, θ Θ / ( π ( ( Y X Y X ex β β ( ( dode Y Xβ YXβ ( β XX XYy bajo H0 eemos que β 0, así eemos que, la fucó de verosmlud sería,

40 40 II Modelo de Regresó Leal Mahl Herrera M. L(,β; e / ( π ex ( YX β ( YX β Es claro que, el umerador de λ, es: SuL( θ, θ Θ 0 ( π / 0 ( ( Y X Y X ex β β 0 dode ( XX β XYy 0 ( Y X β YXβ ( sabemos que ( YXβ ( YXβ Y Xβ SuL( θ, θ Θ 0 λ SuL( θ, θ Θ ( π0 ( π 0 / / ex ex YXβ YX β YX β 0 YXβ + YX β YXβ YXβ

41 Acuaría Aálss de Regresó 4 λ X X β β r + r YXβ Rechazamos H0 s Xβ Xβ YXβ r >k0, ahora busquemos el valor de k0, eemos que Xβ X ( ( X β β YX( XX XY y de maera semejae X β ( YX XX XY de las dos aerores desgualdades Xβ ( X β ( ( ( Y X X X X X X X X Y or oro lado eemos que X X X X X X, ara la marz de la forma cuadráca aeror, s hacemos A X( X X y B ( X X XX X. ( A B( A B A AB BA +B A AB BA + B, ero AB B lo que hemos robado que A B es demoee, de aquí eoces odemos decr que, ( ( Y X X X X X( XX X Y formas cuadrácas so deedees χ ( r y Y X β χ( y como ambas F Xβ X β YXβ r F(r,

42 4 II Modelo de Regresó Leal Mahl Herrera M. La robabldad de comeer el error o I sería P(F>k0 α, eso bajo H0, de aquí odemos deducr que k0 F α(r, A lo que hemos llegado, es que, rechazamos H0 s Xβ X β YXβ r > F α(r, Lo que hemos hecho, se resume e la sguee abla de Aálss de Varaza. Tabla de Aálss de Varaza Varacó g.l Suma de Cuadrados. Cuadrados medos A la Hóess r Xβ X β Xβ X β Modelo reducdo r X β r X β -r Error Y Xβ YXβ - Toal Y Y Prueba F Xβ X β YXβ r -

{ a 1, a 2,..., a } n. Cualquier vector n

{ a 1, a 2,..., a } n. Cualquier vector n Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de

Más detalles

Álgebra Manuel Hervás Curso

Álgebra Manuel Hervás Curso Álgebra Mauel Hervás Curso 0-0 FORMAS LINEALES Defcó Sea E u espaco vecoral sobre referdo a ua base B e e e,,, Se deoma Forma Leal sobre a la aplcacó leal f : E al que x E f ( x) b De modo que elegdo u

Más detalles

Introducción a la Econometría Curso 2009/ Serie de Problemas 21

Introducción a la Econometría Curso 2009/ Serie de Problemas 21 Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n . TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.

Más detalles

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS.

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. 09- ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. Iroduccó. Para obeer la ecuacó geeral que descrbe el comorameo del flujo de fludos a ravés de medos orosos, se hace uso de dferees rcos

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop 4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora

Más detalles

CONVERGENCIA Y TEOREMAS LÍMITE

CONVERGENCIA Y TEOREMAS LÍMITE CONVERGENCIA Y TEOREMAS LÍMITE. Covergeca de sucesoes de varables aleaora Covergeca cas-segura Covergeca e robabldad Covergeca e meda cuadráca Covergeca e ley ( o dsrbucó). Leyes de los grades úmeros.

Más detalles

Manual del usuario. Software de Matemáticas Herramientas de Estadística y Probabilidad. HEST Versión 1.9.7

Manual del usuario. Software de Matemáticas Herramientas de Estadística y Probabilidad. HEST Versión 1.9.7 Maual del usuaro HET Versó.9.7 ofware de Maemácas Herrameas de Esadísca y robabldad Wdows X - Wdows Vsa - Wdows 7 - Wdows 8 - Wdows O F T W R E Refereca: HET www.vaasofware.com EÑOL ÍDICE Iroduccó...3

Más detalles

2. Movimiento Browniano.

2. Movimiento Browniano. Movmeo Browao Defcó y Propedade Báca Defcó : EL proceo de Weer (ó movmeo Browao e u proceo eocáco (Ver ZDZ co valore e R defdo para [, al que: W = co probabldad gual a uo La rayecora o coua Para cualquer

Más detalles

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara

X / n : proporción de caras ( = frecuencia relativa del suceso A = f A = n A / n ) Se espera que a medida que n crece la frecuencia relativa de cara 95 Teoremas límte Cosderemos el exermeto aleatoro que cosste e arrojar ua moeda equlbrada veces. Suogamos que se regstra la roorcó de caras. U resultado coocdo es que esta roorcó estará cerca de /. Formalzado

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS

TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS Y DISTRIBUCIÓN DE AGREGADOS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA 5: ANÁLISIS CONJUNTO DE VARIABLES ALEATORIAS DISTRIBUCIÓN DE AGREGADOS 5..- Dstrbucoes -dmesoales. Aálss margal y codcoado 5..- Varables aleatoras depedetes. Propedades

Más detalles

Implantación del Modelo CyRCE:

Implantación del Modelo CyRCE: BACO DE MEXICO Imlaacó del Modelo CyRCE: Smlfcacoes or esrucura y esmacó de arámeros. erado Avla Embríz Javer Márquez Dez-Caedo Albero Romero Arada Abrl- Imlaacó del Modelo CyRCE: Smlfcacoes or esrucura

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TEMAS DE MATEMÁTICAS (Oposcoes de Secudara TEMA 8 MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS CIENCIAS SOCIALES Y DE LA NATURALEZA.. Iroduccó.. Cocepo báscos... Tpos de marces. 3. M mx

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

Redes Neuronales con Base Radial (Poggio y Girosi,1990)

Redes Neuronales con Base Radial (Poggio y Girosi,1990) Redes euroales co Base Radal Poggo y ros,990 Iroduccó a las Redes euroales Arfcales Esquema de rabajo: Esrucura de ua RBF Problema de clasfcacó ora vez Ejemplo XOR Teorema de Cover úmero de euroas Problema

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo = ( + ( Cabo de ( + ( ( + > ( > 0 Posvo + ( + = ( = 0 ( ( + Nulo + Tpos ( + ( Cabo + Geeraldades Nauraleza El cabo puede ser Carácer Varable Cabo Cosae Aueo o creeo Dsucó o decreeo = Varacó cero ( = (

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

DOLARIZACIÓN EN EL ECUADOR

DOLARIZACIÓN EN EL ECUADOR JUSTIFICACIÓN DE LA IMPLEMENTACIÓN DEL SISTEMA DE DOLARIZACIÓN EN EL ECUADOR Por Lvo Armjos Toro, Mauel Gozález Asudllo Igeero e Esadísca Iformáca 003 Drecor de Tóco, Ecoomsa, Escuela Sueror Polécca del

Más detalles

F = = 0. 64, que es la eficiencia del test de signo relativa al

F = = 0. 64, que es la eficiencia del test de signo relativa al Méodos No Paramércos I 5 Elea J. Maríez do cua. 004 Efceca: La efceca del es de Fredma relava al es F es ( f ( x dx e(, F σ + e observa que o hereda la efceca de los ess de Wlcoxo y Ma-Whey relavas al

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

ANALISIS BAYESIANO APLICADO A LA PROYECCION DE SINIESTRALIDAD DEL SEGURO OBLIGATORIO DE ACCIDENTES DE TRANSITO (SOAT).

ANALISIS BAYESIANO APLICADO A LA PROYECCION DE SINIESTRALIDAD DEL SEGURO OBLIGATORIO DE ACCIDENTES DE TRANSITO (SOAT). AALISIS BAYSIAO APLICADO A LA PROYCCIO D SIISTRALIDAD DL SGURO OBLIGATORIO D ACCIDTS D TRASITO (SOAT). JISSO JAVIR BOHORQUZ BOHORQUZ Trabao de Grado ara Oar el Tulo de Maemáco Asesor Cosaza Quero Guzmá

Más detalles

La Docencia y la importancia de la investigación en Ingeniería

La Docencia y la importancia de la investigación en Ingeniería a Doceca y la mporaca de la esgacó e Igeería J.M. CARBAO JIMÉNEZ. Profesor Iesgador de ESCOM IPN. carballomeez@gmal.com J. GARCÍA MARTINEZ. Iesgador de la ESM-IPN. bucefalo@yahoo.com.m J.A.JÁREZ RAMÍREZ.

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

NOMBRE Apellido Paterno Apellido Materno Nombre(s)

NOMBRE Apellido Paterno Apellido Materno Nombre(s) UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA Daposva ema6: rasmsó de calor muldreccoal rasora RANSMISIÓN DE CALOR MULIDIRECCIONAL Y RANSIORIA J.M.Corberá, R. Roo (UPV Daposva ema6: rasmsó de calor muldreccoal rasora ÍNDICE. RANSMISIÓN DE CALOR MULIDIRECCIONAL.

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i

Más detalles

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra

x θ es conocida pero se desconoce θ total o ˆθ ) debe ser función de los datos de la muestra Estmacó putual de parámetros. Parámetro( : Característca de la poblacó. E estadístca la forma fucoal de f ( ; es coocda pero se descooce total o parcalmete. La estmacó del parámetro ( debe ser fucó de

Más detalles

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Especalsta e Estadístca y Doceca Uverstara PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV Tal vez el método más recomedable para el caso e que F(x) es ua dstrbucó cotua es el método para ua muestra

Más detalles

Tema 12: Modelos de distribución de probabilidad: Variables Continuas

Tema 12: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema Tema : Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(; ) 3. MODELO CHI-CUADRADO DE PEARSON, k 4. MODELO t DE STUDENT, t

Más detalles

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web:

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web: Itroduccó al Algebra Leal e Cotexto Autor José Arturo Barreto M.A. Web: www.abaco.com.e www.mprofe.com.e josearturobarreto@yahoo.com Descomposcó e Valor Sgular (SVD: Sgular Value Decomposto) El sguete

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos

Métodos de Predicción Inferencia. Curso María Jesús Sánchez Naranjo y Carolina García-Martos Métodos de Predccó Ifereca Curso - María Jesús Sáchez Narajo y Carola García-Martos Dstrbucó Normal Camaa de Gauss x f x ex, x R π Ifereca Ifereca 3 Meddas Característcas 3 3 4 4 3 3 4 4 3 Curtoss CA Asmetría

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

Regresión - Correlación

Regresión - Correlación REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros.

Estimación de Parámetros. Estimación Puntual. Universidad Técnica Federico Santa María. Estimación de Parámetros. Estimación de Parámetros. Uversdad Técca Federco ata María Estmacó de Parámetros Capítulo 7 Estmacó de Parámetros Estadístca Computacoal II emestre 007 Prof. Carlos Valle Pága : www.f.utfsm.cl/~cvalle e-mal : cvalle@f.utfsm.cl

Más detalles

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden:

Sistemas. Matrices y Determinantes 1.- Si A y B son matrices ortogonales del mismo orden: Sisemas. Marices y Deermiaes.- Si y B so marices orogoales del mismo orde: a) 2 b) B c) B 2.- Dadas dos marices iversibles y B NO se verifica e geeral que: a) ( ) ( ) b) ( B) B c) 3.- Dadas las marices

Más detalles

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución

DETERMINANTES II. Solución. 2. Calcula, aplicando la regla de Sarrus, el siguiente determinante: A = Solución DETERMINNTES II 1 0 4-1 1. Halla los deermiaes de las siguiees marices: = B = 5-1 05 B 4 1 1 10-1 0. Calcula, aplicado la regla de Sarrus, el siguiee deermiae: = 0 0 1-6 -1 0 1 0 0 0 1 00 11 6 00 1 0 0

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA 1: MATRICES Y DETERMINANTES PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2003 MATEMÁTICAS II TEMA : MATRICES Y DETERMINANTES Juio, Ejercicio 3, Opció B Reserva 2, Ejercicio 3, Opció A Reserva 2, Ejercicio 3, Opció B Reserva 3, Ejercicio

Más detalles

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD

TEMA 2: DISTRIBUCIONES DE PROBABILIDAD ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

CURSO DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

EJERCICIOS DE MATRICES

EJERCICIOS DE MATRICES EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN Qué es ESADISICA? Es u couto de la rama de las Matemátcas Es algo aburrdo que mplca u motó de cuetas 3 Es u couto de téccas que se puede usar para probar cualquer cosa 4 Es u couto de coocmetos téccas

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de

Más detalles

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple

ˆ q ˆ 2. Tema 4. Problemas de inferencia estadística en el modelo de regresión lineal múltiple Tema 4. Problema de fereca eadíca e el modelo de regreó leal múlple. Iervalo de cofaza y corae para lo coefcee de regreó... Iervalo de cofaza para lo coefcee de regreó... Corae de hpóe para lo coefcee

Más detalles

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.

( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad. Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx

Más detalles

1 Estadística. Profesora María Durbán

1 Estadística. Profesora María Durbán Tema 5: Estmacó de Parámetros Tema 5: Estmacó de Parámetros 5. Itroduccó y coceptos báscos 5. Propedades de los estmadores 5.4 Dstrbucó de u estmador e el muestreo Objetvos del tema: Al fal del tema el

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof aría B Ptarell 5- VARIABLS ALATORIAS BIDISIOALS 5 Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales sto es el resultado del eermeto

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental. RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN Los métodos de regresó se usa para estudar la relacó etre dos varables umércas. Este tpo de problemas aparece co frecueca e el

Más detalles

GENERALIDADES ESTADISTICA DESCRIPTIVA

GENERALIDADES ESTADISTICA DESCRIPTIVA MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MOD MEDIDS DE TEDECI CETRL MEDI MEDI RITMETIC MEDIDS DE TEDECI CETRL MEDI RITMETIC Defcó: Es la suma de todos los datos de ua sere dvdda por su úmero Cálculo:

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor FCEyN - Etadítca ara Químca er. cuat. 007 - Dra. Marta García Be Aál de la varaza de u factor El tet t de muetra e alca cuado e quere comarar la meda de do oblacoe co dtrbucoe ormale co varaza guale y

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

Cuatro medidas de inflación subyacente para Uruguay

Cuatro medidas de inflación subyacente para Uruguay Cuaro meddas de flacó subyacee para Uruguay Rosaa Ferádez 002-2005 688-7565 CUATRO MEDIDAS DE INFLACIÓN SUBYACENTE PARA URUGUAY Rosaa Ferádez Casro Área de Ivesgacoes Ecoómcas Baco Ceral del Uruguay Julo

Más detalles

Del correcto uso de las fracciones parciales.

Del correcto uso de las fracciones parciales. Del correcto uso de las fraccoes parcales. Rubé Emauel Madrd García. E este opúsculo haré u aálss de lo que hoy llamamos fraccoes parcales, lo cual o es otra cosa que la descomposcó del cocete etre dos

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Análisis de la varianza de un factor

Análisis de la varianza de un factor Aálss de la varaza de u factor El test t de muestras se aplca cuado se quere comparar las medas de dos poblacoes co dstrbucoes ormales co varazas guales y se observa muestras depedetes para cada poblacó

Más detalles

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía

ANalysis Of VAriance ANOVA Análisis de la Varianza. Teresa Villagarcía ANalyss Of VArace ANOVA Aálss de la Varaza Teresa Vllagarcía El objetvo del dseño de expermetos Estudar s determados factores fluye sobre ua varable de uestro terés. Por ejemplo: Redmeto de u proceso dustral.

Más detalles