Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
NIETO BARAJAS
¾ Definición: Sea X' = (X1 ,K, X p ) un vector aleatorio. Se dice que X tiene
¾ Comentarios:
o En notación: X ∼ Np(µ,Σ)
o Se puede demostrar que
µ=E(X) y Σ=Var(X)
o (x − µ )' Σ −1 (x − µ ) es una medida de distancia entre “x” y “µ” en unidades
de “desviaciones estándar”.
1
( )
o Si X ∼ Np(µ,Σ) ⇒ m X (t ) = E e t 'X = exp t ' µ + t ' Σt
2
24
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
1 x1 − µ1 x 2 − µ 2 x1 − µ1 x 2 − µ 2
2 2
2
+ − 2ρ12
1 − ρ12 σ11 σ 22 σ11 σ 22
{
∴ f (x1 , x 2 ) = (2π ) σ11σ 22 1 − ρ12
−1 2
( )}−1 / 2 1
exp− (x − µ ) Σ(x − µ )
'
2
¾ Curvas de nivel (contours): son cortes a una altura f(x) constante. Es decir,
{x : (x − µ) Σ ' −1
(x − µ ) = c 2 } = elipsoides centradas en µ
25
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
Σe j = λ je j , j=1,2,...,p.
3.1 Propiedades
26
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
¾ Resultado 4.
a) Si X1( q1×1) y X 2( q 2 ×1) son independientes entonces Cov(X1 , X 2 ) = 0 ( q1×q 2 )
27
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
X1 µ1 Σ11 | Σ12
b) Si X = − − ∼ N q1 +q 2 − − , − − | − − , entonces X1 y X2 son
X µ Σ
2 2 21 | Σ 22
independientes si y solo si Σ12=0.
c) Si X1 ∼ N q1 (µ1 , Σ11 ) y X 2 ∼ N q 2 (µ 2 , Σ 22 ) además X1 y X2
independientes, entonces
X1 µ1 Σ11 | 0
− − ∼ N
q1 + q 2 − − ,
− − | − − .
X µ 0 | Σ
2 2 22
¾ Resultado 5. Sea
X1 µ1 Σ11 | Σ12
X = − − ∼ N p − − , − − | − − con Σ 22 > 0 .
X µ Σ
2 2 21 | Σ 22
Entonces, la distribución condicional de X1 dado X2=x2 es normal con
parámetros
E(X1 | X 2 = x 2 ) = µ1 + Σ12 Σ 22
−1
(x 2 − µ 2 )
Var(X1 | X 2 = x 2 ) = Σ11 − Σ12 Σ 22
−1
Σ 21
DEM.
28
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
{
b) P (X − µ ) Σ −1 (X − µ ) ≤ χ (2p ),α = 1 − α
'
}
donde χ (2p ),α es el cuantil superior de orden α
DEM.
29
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
Σ
−b 1
( )
exp− tr Σ −1B ≤ B (2b ) e −pb
−b pb
2
para toda matriz definida positiva Σ(p×p) con igualdad si y solo si
Σ= 1 ( 2b)B .
30
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
n
∑ (X i − X )(X i − X )
'
o Nota: Las estadísticas X y son estadísticas
i =1
suficientes.
i =1
31
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
w n −1 (A | Σ ) =
A
( n −p−2) / 2
{
exp − (1 2 )tr AΣ −1 ( )}
p
∏ Γ((n − i) 2)
p ( n −1) / 2 p ( p −1) / 4 ( n −1) / 2
2 π Σ
i =1
b) n (X − µ ) S−1 (X − µ ) ≈ χ (2p )
'
Si n es grande relativo a p.
{ (
a) Si Σ es conocida µ : n x − µ Σ −1 x − µ ≤ χ (2p ),α) (
'
) }
'
(
b) Si Σ es desconocida µ : n x − µ S−1 x − µ ≤
(n − 1)p
( n − p)
) (
F( p,n −p ),α , )
donde χ (2p ),α y F( p,n −p ),α son cuantiles superiores de orden α.
32
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
33
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
P{X ∈ (µ
j j ±2 σ )}= 0.954
jj
(0.683)(0.317) 1.396
p̂ j1 − 0.683 > 3 = ,
n n
ó
(0.954)(0.046) 0.628
p̂ j2 − 0.954 > 3 =
n n
indicarían que las observaciones de la variable Xj no son normales.
# X i ' s ≤ X (i )
P(X j ≤ X (i ) ) ≅
i
≅
n n
que por razones analíticas de continuidad se puede aproximar por (i−1/2)/n.
Por otro lado, bajo normalidad
E (X (i ) ) = q (i ) ,
34
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
35
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
{ }
P (X − µ ) Σ −1 (X − µ ) ≤ χ (2p ),α = 1 − α
'
{ x : (x − x ) S ' −1
(x − x ) ≤ χ (2p),α }.
Lo más común es tomar α=0.5
esta gráfica deben de estar sobre una línea recta que pasa por el origen
con pendiente uno para indicar normalidad multivariada.
36
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
X ij − X j
Z ij = > 3.5
S jj
¾ TRANSFORMACIONES UNIVARIADAS:
37
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
38
Maestría: Administración de riesgos Análisis multivariado para riesgos
PROFESOR: LUIS E. NIETO BARAJAS
λp
x λ1 − 1 x − 1
= i1
' ip
x i( λ ) ,K , .
λ1 λp
Nota: Un punto inicial para la maximización son los valores λ̂ j , j=1,...,p
39
Maestría: Administración de riesgos Análisis multivariado para riesgos