Documente Academic
Documente Profesional
Documente Cultură
(
=
B | e
( , , ) P O
:
p
x
P |
( )
, ,
p
x
P |
Introduccin: Definiciones
Bsicas
Introduccin: Definiciones
Bsicas
Introduccin: Definiciones
Bsicas
Introduccin: Momentos de
un vector aleatorio
Introduccin: Momentos de
un vector aleatorio
Introduccin: Momentos de
un vector aleatorio
Introduccin: Momentos de
un vector aleatorio
Introduccin: Momentos de
un vector aleatorio
Introduccin: Momentos de
un vector aleatorio
Introduccin: Cambios de
variables
Introduccin: Cambios de
variables
Distribucin Normal
Multivariada
Como extensin de la Normal Bivariada, se define
la distribucin multivariada. Sea X un vector
aleatorio n-dimensional con vector de medias m y
matriz de varianzas y covarianzas S tal que su
funcin de densidad se define por:
Distribucin Normal
Multivariada. Propiedades
Una combinacin lineal W = aX donde a es un
vector de constantes tiene distribucin normal
multivariada con parmetros a T m y a T S a (T:
transpuesta de a ).
Distribuciones marginales normales: Cualquier
subconjunto o particin de X tiene una distribucin
normal multivariada con sus correspondientes
parmetros.
Distribucin Normal
Multivariada. Propiedades
Distribuciones condicionales normales: la
distribucin condicional de los vectores asociados
seguirn una distribucin normal p-variante con
parmetros, vector de medias y matriz de
varianzas y covarianzas.
Leyes Normales en
Definicin: Un vector aleatorio p-dimensional se dice
que tiene distribucin normal p dimensional, si
cualquier combinacin lineal de sus componentes es
una normal o una distribucin degenerada.
K
p
N
Definicin: Si x tiene una distribucin entonces
existen el vector de medias, , y la matriz de
varianzas-covarianzas, y caracterizan la distribu-
cin, se denotar
p
N
E
( , )
p
X N E
Leyes Normales en
Teorema: Si x tiene una distribucin
entonces su funcin generatriz de momentos es:
K
( , )
p
X N E
1
( ) exp ,
2
P
g t t t t t
= + e
`
)
Leyes Normales en
Teorema: Si x tiene una distribucin
cualquier transformacin lineal tiene
, tiene distribucin normal,
En particular cualquier
componente es normal y cualquier subconjunto
de componentes es normal.
K
( , )
p
X N E
Ax b +
, n p
A
n
be
( , )
p
N A b A A
+
Leyes Normales en
La funcin de densidad de y
1
1
2
1
exp ( ) ( )
2
( )
2
x x
f x
t
`
)
=
( , )
p
X N E 0 >
K
Producto escalar
El producto escalar de dos vectores x,y, ambos en , es
el escalar obtenido al sumar los productos de sus
componentes:
n
1
n
i i
i
x y y x x y
=
' '
= =
1
x x y y
x x y y
n n
| || |
| |
| | | |
\ .\ .
=
| |
\ . \ .
Dependencia lineal
Dado un conjunto de p vectores linealmente
independientes , en , llamaremos al
espacio generado por esta familia de vectores al
conjunto que contiene todos los vectores z, en ,
los cuales pueden expresarse como combinacin
lineal de ellos . Entonces si z pertenece a este
espacio:
1
( ,...., )
p
x x
p
p
1 1
...
p p
z c x c x = + +
Producto de Kronecker
El producto de kronecker resuelve el problema de
construir matrices grandes cuyos elementos son
matrices dadas ms pequeas y se define para
matrices cualesquiera.
Producto de Kronecker
Dadas dos matrices y , su producto de
Kronecker, que usualmente se representa con ,
se efecta multiplicando cada elemento de la
primera por todos los elementos de la segunda ,
siendo la dimensin de la matriz resultante k*p
para las filas y n*q para las columnas
* k n
A
* p q
B
Producto de Kronecker:
Propiedades
1. Si c es un escalar
2. Si x e y son vectores
3. Se cumple que
4. Si AC y BD existen entonces:
c A A c cA = =
x y y x =
( ) A B A B =
( )( ) A B C D AC BD =
Formas Cuadrticas:
Matrices
Sea A una matriz cuadrada, su expresin general
ser:
Ser A semidefinida positiva si cualquier forma
cuadrtica formada a partir de ella es un nmero
no negativo, para cualquier vector
1 1 1
2
n n n
ii ij i j
i i j i
a a x x
= = = +
+
0 x =
Autovectores - Autovalores
Los vectores propios, autovectores o eigenvectores de
un operador lineal son los vectores no nulos que,
cuando son transformados por el operador, dan lugar
a un mltiplo escalar de s mismos, con lo que no
cambian su direccin. Este escalar recibe el nombre
valor propio, autovalor, valor caracterstico o
eigenvalor.
Autovectores - Autovalores
Formalmente, se definen los vectores propios y
valores propios de la siguiente manera:
Si A: V V es un operador lineal en un cierto
espacio vectorial V, v es un vector diferente de
cero en V y c es un escalar tales que
entonces decimos que v es un vector propio del
operador A, y su valor propio asociado es c.
Av cv =
Autovectores Autovalores:
Propiedades
Teorema Espectral
El teorema establece que -bajo ciertas condiciones-, una
transformacin lineal de un vector puede expresarse como
la combinacin lineal de los vectores propios con
coeficientes de valor igual a los valores propios por el
producto escalar de los vectores propios por el vector al que
se aplica la transformacin, lo que puede escribirse como:
Donde y representan a los vectores
propios y valores propios de .
1 1 1 2 2 2
( ) ( ) ( ) .... v v v v v v v t = + +
1 2
, ...
1 2
, ... v v
t