Distribucin de Chi-Cuadrado
Distribucin 2 central
Funcin de Densidad
u ( n 2) / 2e u / 2
n 2( n / 2)
(u, n )
0 para u 0
Funcin generatriz de momentos
mu(t ) (1 2t ) n / 2 ; con t 1/ 2
Distribucin 2central
Sea
z z1, z2 ,..., zn
con
z ~ Nn (0, I)
y definimos
U zz
Entonces
U ~ (n )
mU (t )
t zz
n /2 1/2 zz
dz
Rn
n /2 1/2 zz t zz
dz
Rn
mU (t )
Rn
n / 2 (1/ 2t ) zz
dz
Teorema 1.10.1
Graybill F.A. Theory and Application of Linear Models. Duxbury
Press. (pag. 48)
Sean
a0 y b0 constantes,
a y b vectores nx1,
A una matriz simtrica nxn de constantes y
B una matriz definida positiva de constantes.
dx 2 ... dx n
1 n / 2 1/ 2
B
exp 14 b' B 1 b bo tr AB1 b' B 1 a 12 b' B1 AB1 b 2ao
2
mU (t )
n / 2 (1/ 2 t ) zz
dz
Rn
dx 2 ... dx n
1 n / 2 1/ 2
B
exp 14 b' B 1 b bo tr AB1 b' B 1 a 12 b' B1 AB1 b 2ao
2
mU (t )
n / 2 (1/ 2t ) zz
dz
Rn
a0
B 1/ 2 t I
A0
b0
a0 2
n / 2
b0 0
1 n/2
1/ 2
mU (t )
(1/ 2 t )I
2
1 n/2 n/2
2 (1 2t ) n / 2
2
2 2
2 2
(1 2t ) n / 2
n / 2
n / 2
Distribucin 2
Esperanza y varianza
E (U ) n
V (U ) 2n
Distribucin 2 no central
Funcin de densidad
( n 2 j 2) / 2
e v
j 0 j !
(v , n, )
n 2 j
2
0 para v 0
( j =1 para =0 y j=0 )
v / 2
j ( n / 2)
Distribucin 2 no central
Funcin generatriz de momentos
mV (t ) (1 2t )
n / 2
2t
exp
; con t 1/ 2
1 2t
Encontrar
Distribucin 2
Esperanza y varianza
E (U ) n 2
V (U ) 2(n 4 )
y~ Nn ( , I)
2
V y y; V ~ (n, )
Distribucin 2
f(u)
0.20
0.18
n=4; =0
0.16
0.14
0.12
n=4; =1
0.10
0.08
n=4; =5
0.06
0.04
0.02
0.00
0.0
5.0
10.0
15.0
u
20.0
25.0
30.0
U1 y1 y1
y
2 ~ Nn2 ( 2 , I)
U 2 y2 y2
Cov( y1, y2 ) 0
U1 U 2 y1 y1 y2 y2 yy
y [ y1 | y2 ]
y~ Nn1 n2 ( , I)
[1 | 2 ]
U1 U2 ~ 2 n;
n n1 n2
21 21 (11 22 ) 1 2
Distribucin de
formas cuadrticas
Distribucin de formas
cuadrticas
Distribucin (n-1)S2/2
Distribucin con y ~ N 0, I
A nxn
Simtrica e idempotente de rango k
Existe P ortogonal (PP=PP=I) tal que
PAP D
Teorema 1.2.50 Grabill, 1975
z Py
yAy yPDPy
yAy zDz
z ~ N 0, I
Si
z1
yAy zDz D
z 2
z1
z z1 z1
2
z1 ~ Nk (0, I)
yAy ~
k rango( A )
2
Distribucin con y~ N , I
A nxn
Simtrica e idempotente de rango k
Existe P ortogonal (PP=PP=I) tal que
P [P1 | P2 ]
z Py
Ik
PAP
0
P1AP1 I k
P1
P 1y z1
Py y
P2
P 2 y z 2
0
0
yAy Pz A Pz
z1
zPAPz zDz
z 2
I
k
0
z1 I k z1 z1 z1
0 z1
0 z
2
z1 ~ Nk (P
1 ,P1IP1 ) Nk (P1 , I )
z1 z1 ~
1
1 1
rango( A
), 2PP
PDP A PP
1 1 A
Ik
A PDP [P1 | P2 ]
0
yAy ~
0
0
P1
P P1P1
2
1
rango( A
), 2A
Distribucin con y~ N ,
A idempotente
A, simtrica de rango k
z 1 y
yAy z A
v~ Nn 1 , I
1 A z
1 v Bv
si B idempotente
1
yAy ~ 2 rango(B
), 21 B
1
1
1
1
B 2
A 1 21 A
yAy ~ 2 rango(B
), 21A
BB AA AA
B A
B idempotente
AA A
Para probar que BB=B tenemos que usar Lema 2 pag. 16 en Searle
Si post multiplicamos .
BB AA
y
B A
por
tenemos
BB AA AA A
B A A
AA A
A43
{A
14A2
B2
Ejemplo: Distribucin de
n 1 S
S n 1
2
y1, y 2,..., y n
proposicin
Nn , I
2
yi y
i 1
1
1
n 1 S / 2 y I J n y
n
demostracin
n
yi y
i 1
i 1
2
y
i yy yIy
i 1
ny 2 y n1 J n y
y i2
2y i y y
i 1
y i2
2ny ny y i2 ny 2
1
1
J n 11
M
i 1
1
1
M
1
L
L
O
L
1
1
1
1
yJ n y
n
n
y
,
y
,...,
y
i i i
i 1
i 1
i 1
n
y1
y
n
n
n
1
2
y
y
y
y
...
1 i
2 i
n y i
M
n
i 1
i 1
i 1
y n
1
1
1
y1ny y 2ny ... y n ny ny y i n 2 y 2 ny 2
n
n
n
i 1
1
1
I
J n y
2
n
24
1 44
43
A
A A 2 I =
1
1
1
2
I
I
=
I
J
n
n
2
n
n
1
I
J n
Luego lo que tenemos que mostrar es que
n
es idempotente
=I-
1
1
J n I J
n
n
n
1
1
1
Jn
Jn 2 Jn Jn
n
n
n
=I-2
1
1
Jn
Jn
n
n
I- J n
n
Sntesis
2
2
n
1
S
/
yAy
1
1
A 2 I J n
n
A
idempotente
1
1
rango I J n traza I J
n porqu ?
n
n
Sntesis
Adems
1
1
1
1
n
0
n
n
2
2
2
n
n
n
2
2
2
Luego
yAy ~ 2 n 1
Independencia de formas
cuadrticas y lineales de un
vector aleatorio con
distribucin Normal
y~ N , I
Bqn
A nn
( simtrica )
BA 0 independencia de
By
y
yAy
simtrica de A
PAP D
D11 0
PAP
0
0
rango ( A )
BA 0 BPPAP 0 porqu ?
C
D
C21 C22 0 0
(Por qu?)
Cqn 0 qk ,C2 q( n k )
Si definimos
z Py
entonces
D11 0
yAy zPAPz z
z z1D11z1
0 0
z Py ~ Nn P PIP
Nn P I
z1
z2
Implica independencia de
yAy
By
y~ N ,
A nn
Bqn
( simtrica )
BA 0 independencia de
By
y
yAy
z 1y
z ~ N 1 1 1 N 1 I
y z
yAy z A z zAz
By Bz
B A ? 0
Por hiptesis
B A BA
BA 0
luego
B A 0
yAy z A z zAz
By Bz
z ~ N I
B A 0
Independencia de formas
cuadrticas de un vector
aleatorio con distribucin
Normal
y~ N ,
A nn
Bnn
( simtrica )
BA 0 independencia de
y ' By
y
yAy
AB AB
AB AB
por hiptesis
AB
A
{ {
C
por hiptesis
AB
{A
{B
C
z P ' 1y
z ~ N P ' 1 I
yAy Pz A Pz
zP
{A Pz zPCPz
C
yBy Pz B Pz
zP
{B Pz zPKPz
K
P
{A PP
{B P P
{A
{B P 0
C
D11 0
z
z z1D11z1
0 0
0 0
z
z z2D22 z 2
0 D22
Distribucin T de
Student
Si
Z
U
Estadstico
T
Demostrar que tiene distribucin T bajo Ho
T
2
S n
Normal estndar
(bajo H0)
n
2
n 1 S /
n 1
2
y
n
2
n 1 S /
n 1
2
n
2
S /
2
y
n S /
2
n S
2
n S
2
/n
/n
y
[1 n ,1 n ,...,1 n ] y
B [1 n ,1 n ,...,1 n ]
1
n n 1
/n
1
y
In n Jn
1
n n 1
1
In n Jn
BA
1
[1 n ,1 n ,...,1 n ] In
n n 1
In n Jn
[1 n ,1 n ,...,1 n] In J n
n n 1
n
1
[1 n ,1 n ,...,1 n ] In Jn
n
1
1
1
[1 n ,1 n ,...,1 n ] [1 n ,1 n ,...,1 n]
1
n
1
1
1
1
1
[1 n ,1 n ,...,1 n ] [n n , n n ,..., n n ] 0
n
L
L
O
1
1
1
1
U1 y U2 independientes
( w : n1 , n 2 , )
j 0
j
j!
2 j n1 n 2
2
n2
2
n1
n2
n1 2 j
2
( n1 2 ) / 2
n1 w ( 2 j n1 n 2 ) / 2
1
n2
0 para w 0
( j =1para =0 y j=0 )
( 2 j n1 2 ) / 2
0.5
Densidad
F(8,4,0)
0.3
0.2
F(8,4,10)
0.0
0.00
4.14
8.29
Variable F
12.43
16.57