Professional Documents
Culture Documents
FORMAS CUADRATICAS:
Distribución y Momentos
2.1 INTRODUCCIÓN
57
.
n n
Q= aij yi y j . . . (2.1)
i 1 j 1
Un caso especial se encuentra cuando la matriz A=I, en este caso, el producto de los
vectores Y', Y es dado por;
y1 n
Y'Y = y1 , y2 ,, yn yi2 . . . (2.3)
y i 1
n
Esta expresión no es otra que la suma de cuadrados del total sin corregir por la media y
que se quiere descomponer usando la técnica del análisis de varianza.
La forma cuadrática Y'Y, es particionada en las siguientes "k" componentes;
k
Y'Y = Y'IY = Y'P'PY = Y ' Pi' Pi Y . . . (2.4)
i 1
h' 1xn
Hnxn = , donde h' = (1/ n )1'n : 1ª fila de H; 1'n = [1, 1, ..., 1],
K n ( n 1) xn
58
1 r
Kn = 1'r , ,0 '( nr 1) x1 , r = 1, 2, . . ., n-1. . . . (2.5
r (r 1) r (r 1)
1
SC n SC n1 1 y n1 y n .
n
Otra expresión muy útil, es la Forma Bilineal , cuya expresión es dada por;
n n
X' AY aij xi y j . . . (2.6)
i 1 j 1
Las formas cuadráticas y bilineales son escalares, que se obtienen como consecuencia
de realizar operaciones de multiplicación entre vectores y matrices; por ejemplo la
ecuación 5x1y1 + 6x1y2 - 2x2y1 + 10x2y2 , puede escribirse como;
(1) Una Forma Bilineal X'AY, en donde;
y1 y 2
5 6 y1
5 6 x1 ya que (x1, x2) = X'AY
A 2 10 y 2
2 10 x 2
(2) Una Forma Cuadrática Y'AY, cuando el vector X' es cambiado por Y', entonces
se tiene, 5 y12 + 6y1y2 – 2y2y1 + 10 y22 ; el cual se expresa como:
6 y1
y1, y2
5
Y ' AY
2 10 y2
Reduciendo los términos comunes esta forma cuadrática, también es escrito como;
59
5 2 y1
5 y12 + 4y1y2 + 10 y22 = y1 , y2
2 10 y2
= Y'BY
Donde puede observarse que; Y'AY = Y'BY
1
, pero la matriz B = A A' es simétrica. Por lo que todas las Formas
2
Cuadráticas, siempre serán expresadas como producto vectores y matrices
simétricas.
Otra propiedad de las formas cuadráticas, es que algunas son definidas positivas
(d.p); esto es, verifican la siguiente condición:
Y'AY > 0 y, excepto cuando yi = 0 (2.7)
En el ejemplo anterior puede verificarse que;
6 x1
y1, y2
5
5 y12 4 y1 y2 10 y22
2 10 x2
Una definición menos rigurosa se obtiene cuando la forma cuadrática iguala al valor de
"0" para algún Xi 0, en este caso se dice que Y'AY es semidefinida positivas (s.d.p)
Y'AY 0, Y, y
Y'AY = 0, para algunos Y 0
3
= 0; si: y1 = 3, y2 = 1, entonces Y'AY = 0
60
2.3 DISTRIBUCION DE FORMAS CUADRÁTICAS (Y'AY)
El estudio de las estructuras teóricas de los modelos estadísticos lineales, y otras
áreas de la Estadística, son realizadas, en base de las propiedades de las formas
cuadráticas Y'AY, y para iniciar se considera el caso más simple y luego los
resultados se generaliza, para otros casos más generales. Entre los principales
resultados que se buscan para las formas cuadráticas se tienen a:
La Distribución,
Los momentos: Esperanza Matemática, La Varianza, Covarianza y,
La independencia.
Teorema 11
Si el Vector Y sigue una normal con media “0”, y matriz Varianza la identidad,
que:
i) A es simétrica e idempotente, y
ii) r(A) = k, (A tiene rango "k")
Prueba: (Suficiencia)
61
Si A es idempotente y de rango "k" Y'AY~ (k
2 2
) puesto que A = A, y r(A) = k,
Sea
Z = P'Y Y = PZ, luego
I 0
Y'AY = (PZ)'A(PZ) = Z'P'APZ = Z' k Z
0 0
= Z1' I
Z 2' k
0 Z1
; Z1(kx1); Z2(n-k)x1
0 Z 2
0
= Z1' I k Z1 Z1' Z1
de otro lado:
E(Z) = P'E(Y) = P'U = 0
Var(Z) = E{(Z-E(Z))(Z-E(Z))'} = E{P'YY'P}=P'E(YY')P
= P'InP = In
Z ~ N(0,I), así
k
Z1' Z1 zi2 ~ (2k ) , pues zi ~ N(0,1)
i 1
(necesario)
k2
Siendo Y'AY ~ (k
2
) entonces mY ' AY (t ) (1 2t ) ; t < 1/2 (2.8)
De otro lado como A es simétrica, entonces existirá una matriz ortogonal Q, tal que:
Q'AQ = D = diag(di,dn)
Sea W = Q'Y Y = QW, así
n
Y'AY = (QW)'A(QW) = W'Q'AQW = W'DW = w
i 1
2
i d ii v
62
t wi2 d ii
n
Este último resultado debe ser igual a (2.7), el cual implicaría que:
"k" de los dii = 1, y "n-k" de los dii = 0, y puesto los dii son las raíces
características de A, entonces A es idempotente y de rango "k".
Ax = x, p/a x 0
A2x = (Ax) = 2x = Ax = x
(-1)x = 0 = 0 ó =1
TEOREMA 12
Si el vector Y se distribuye como una normal con media U, y matriz varianza la
identidad( Y ~ Nn(U,I)); entonces la forma cuadrática:
1
Y'AY ~ ('2k , ) ; U ' AU ,
2
Si y solo si:
A es una matriz idempotente de rango "k".
La prueba de este teorema usa los mismos pasos que el teorema 11, con la diferencia
que ahora se trata con la f.g.m de la distribución chi-cuadrada no central.
COROLARIO
Si el vector Y ~ Nn(U, 2 I); entonces la forma cuadrática:
1
Y'AY/2 ~ (' 2k , ) ; U ' AU ,
2 2
Si y solo si:
A es una matriz idempotente de rango "k".
63
TEOREMA 13
Si el vector Y se distribuye normalmente con vector de medias U, y matriz varianza
Prueba:
Siendo V definida positiva y además simétrica, entonces una matriz Q (no
necesariamente ortogonal), tal que.
Q'VQ = I V = (Q')-1Q-1
Sea Z = Q'Y Z ~ Nn(O,I)
E(Z) = 0, Var(Z) = E{(Q'Y)(Y'Q)} = Q'VQ = I
y Y'BY = {(Q-1)-1Z}'B{(Q')-1Z}
= Z'Q-1B(Q')-1Z ~ (k
2
) si y solo si
TEOREMA 14
Cuando Y ~ Nn(U,V), entonces la forma cuadrática:
64
1
Y'BY ~ ('2k , ) ; U ' BU
2
si y solo si:
BV es idempotente de rango "k".
PRUEBA:
Como V es d.p y simétrica, entonces Q (no necesariamente ortogonal tal que
Q'VQ = I V = (Q')-1Q-1, y sea
Z = Q'Y; E(Z) = Q'U, Var(Z) = E(Q'YY'Q)
= Q'VQ = Q'(Q')-1QQ-1 = I
Z ~ Nn(Q'U, I),
Luego:
1 1
Y'BY = Z'Q-1B(Q')-1Z ~ ('2k , ) , U ' QQ1B(Q' ) 1Q' U U ' BU
2 2
Si y solo si:
Q-1B(Q')-1 es idempotente, el cual cumple cuando BV es idempotente (Teorema 13)
65
TEOREMA 15
Cuando Y ~ Nn(O, 2 I), entonces el valor esperado de una forma cuadrática
E(Y'AY) = 2 traza(A)
n n
E (Y ' AY ) aii 2 2 aii 2 Traza(A)
i 1 i 1
TEOREMA 16
Considerando que Y ~ Nn(O,2 I), entonces E(Y'AY) = k 2, donde A es idempotente de
rango "k".
Prueba:
Sea la transformación ortogonal;
Z = P'Y Y = PZ, donde "P" ortogonal que diagonaliza a A
Z ~ Nn(0,2 I), entonces
I 0
Y'AY = Z'P'APZ = Z'(P'AP)Z = Z ' k Z
0 0
66
'
Z I 0 Z1
= 1 k Z1' I k Z1
Z2 0 0 Z 2
k
= Z i2 ; Var(Zi) E Z I2 - (E(Zi))2 = 2
i 1
k k
E(Y'AY) = E (Zi2 ) 2 k 2
i 1 i 1
TEOREMA 17
Si Y ~ Nn(U,V), entonces:
E(Y'AY) = Traza (AV) + U'AU
Prueba:
Como toda forma cuadrática es un escalar, entonces;
Escalar = Y'AY = Traza (Y'AY), luego
El teorema también se verifica para los casos en que la variable "Y" es no-normal.
Entre otras propiedades que caracteriza a una forma cuadrática se tiene a la covarianza y
varianza.
TEOREMA 18
Si Y ~ N(, v), entonces Cov(Y,Y'AY) = 2VAU
67
Prueba:
Cov(Y,Y'AY) = E{(Y-U)[(Y'AY) - traza(AV) - U'AU]}
= E{(Y-U){(Y-U)'A(Y-U)+2(Y-U)'AU-traza(AV)}}
= E{(Y-U)(Y-U)'A(Y-U)}+2E{(Y-U)(Y-U)'AU}
-E{(Y-U)traza(AV)}
= 0 + 2VAU - 0 = 2VAU
TEOREMA 19
Sea Y ~ N(U,V), entonces, Cov(Y'AY,Y'BY) = 2 tr(AVBV) + 4U'ABU;
A, B matrices simétricas
Prueba:
Por la definición:
Cov(Y'AY,Y'BY) = E{[Y'BY - E(Y'AY)][Y'BY-E(Y'BY)]}
= E{[Y'AY - tr(AV) - U'AU][Y'BY - tr(BV) - U'BU]}
Sea = Y - U; E() = 0, Var() = V; ~ N(O,V)
Sumando y restando dentro de cada corchete los escalares 2U'AY, U'AU, 2U'BV y
U'BU respectivamente;
Cov(Y'AY,Y'BY)=E{[(Y-U)'A(Y-U)+2U'A(Y-U)-tr(AV)][(Y-U)'B(Y-U)+2U'B(Y-U)-tr(BV)]}
= E{['A + 2U'A - tr(AV)]['B + 2U'B-tr(BV)]}
= E{'A 'B} + 2U'AE{'B} - tr(AV) E{'B} + 2E{'AU'B}
+ 4E{U'AU'B} - 2tr(AV)U'BE() - tr(BV)E('A) + 2tr(BV)U'AE()
+ tr(AV) tr(BV).
68
n n n n
(aij jibkl lk a ji ik bkl lj jk bkl li )
i 1 j 1 k 1 l 1
= tr(AV)tr(BV+2tr(AV BV))
n n
E('A) = aij E (ei e j ek ) 0 = E('B),
i 1 j 1
TEOREMA 20
Sean Y ~ Nn(U, I), entonces las formas cuadráticas Y'AY e Y'BY, se distribuirán
independientemente si y solo si
AB = 0 ( o equivalentemente BA = 0)
Entonces si
AB = 0 APP'B = 0 y
I
D1.D2 = P'APP'BP = 0 D1.D2 = 0
el cual implica que D1 = 0yD2 0; D1 0, y D2 = 0, entonces el i-ésimo elemento de
D2 es "0", o ambos iguales a "0", esto es:
69
d1 0 0 n1xn1 0 0 0
D1nxn 0 0 0 n2 xn2 y D2 0 d2 0 ; n1 n2 n3 n
0 0 n3 xn3 0 0
0 0
n1 n2
Y'BY = Z'P'BPZ = Z'D2Z = d 2 j Z 2j
j n1 1
note que Y'AY usa solo los primeros valores de Z y Y'BY, los segundos n2 elementos
(de n1+1, hasta n1+n2). No obstante, como "P" es ortogonal, todos los elementos de Z
son independientes, así Y'AY e Y'BY, son independientes.
Q'VQ = I V=(Q')-1Q-1, y
Sea
Z = Q'Y Y=(Q')-1Z Z ~ Nn(Q'U,I)
Luego
70
Y'AY = Z'Q-1A(Q')-1Z, y
Y'BY = Z'Q-1B(Q')-1Z, serán independientes
Si y solo si Q-1A(Q')-1Q-1B(Q')-1 = 0 Q-1ABQ = 0
AB = 0
Teorema 20 completa la prueba
TEOREMA 22
Sea Y~Nn(U,I), las formas cuadráticas semidefinidas positivas, Y'B1Y, Y'B2Y,...,Y'BkY,
son independientes si
BiBj = 0, i j
TEOREMA 23
Sea Y ~ Nn(U, I), entonces las formas cuadráticas
Y'A1Y, Y'A2Y, . . . , Y'AkY, donde
Rango (Ai) = ni ; son independientes, y además
3) AiAj = 0, i j.
TEOREMA 24
Si Y ~ N(U,V), entonces
Y'AY y BV son independientes si y solo si BVA = 0
Prueba: (suficiencia)
BVA = 0 Y'AV y BY son independientes
Puesto que A es simétrica, entonces:
A = KK', donde K de rango columna completa
Luego si
BVA = 0 BVKK' = 0
71
BVKK'K(K'K)-1 = 0
BVK = 0
de otro lado
Cov(BY,Y'K) = E(BY-BU)(Y'K-U'K)
= E(B(Y-U)(Y-U)'K) = BVK = 0
Ejemplos:
n n
1. Muestre que si Y ~ Nn(0,I), entonces Yi , y (Yi Y ) 2 son idempotentes
i 1 i 1
Solución:
Y1
n
(Yi (1,1,...,1) Y2 1' Y Y '1 , forma lineal con B = 1'
i 1 Y
n
72
Y '11' Y
= Y'Y
1'1
11'
= Y ' I Y forma cuadrática
1'1
11'
con A I
1'1
Yi Y
n n
Yi y
2
, son independientes si y solo si
i 1 i 1
11'
BVA = 0 1' I 0
1'1
1'11'
= 1' I - = 1'-1' = 0, por tanto
1'1
si son independientes
2. Si Y ~ N3 (0,I), y si
2 1 1 1 1 1
1 1
A 1 2 1 y B 1 1 1
2 1 1 2
3
1 1 1
halle
a) E(Y'AY), E(Y'BY)
b) Distribución de Y'AY, y de Y'BY
c) Son Y'AY y Y'BY independientes
Solución
a) E(Y'AY) = traza (AV) + U'AU' = Traza (A)
V = I, U = 0
1 6
= (2 2 2) 2
3 3
E(Y'BY) = traza (BV) + U'BU = traza (B)
1 3
= (1 1 1) 1
3 3
73
b) Y'AY ~ (k
2
) si y solo si
2 1 1 2 1 1 6 3 3
1 1 1
A A, A 1
2 2
2 1 1 2 1 3 6 3
3
2 1 2
9
6
3
1 1 1 3 3
2 1 1
3
= 1 2 1 A
9
1 1 2
1 1 1 1 1 1 3 3 3 1 1 1
1 1 1 3
B B ? 1 1 1 1 1 1 3
2
3 3 1 1 1 B
3 3 9 3 3
9
1 1 1 1 1 1 3 1 1 1
Y'BY ~ 2k 1 g.l.
74
2.4.4 DISTRIBUCIÓN DE VARIABLES NORMALES SINGULARES
En muchas situaciones se tendrá el problema de singularidad de la matriz de
variancia-covariancia V; en este caso se dice que:
D2 0
si B es ortogonal BVB' = r
0 0
Dr: diagonal
Luego sea la transformación
X v1
BY X 1 ; donde E(X) = B = v = ;
X2 v2
Var(X) = BB'
75
Definición:
Un vector aleatorio Y ~ N{, V}, si existe una transformación Y = LZ + ; Lnxk, rango
(L) = k, y Z tiene una distribución normal no singular;
12 ( z )'T 1 ( z )
f(z) = K e
TEOREMA 26
Cuando Y ~ Ns(, V), la forma Y'AY+m'x + d tiene una distribución '2 -no central con
traza (AV)=K grados de libertad y parámetro de no centralidad;
= A 1
2
'
m V ( A 1
2
m); si y solo si;
i) VAVAV = VAV,
iii)
'A + m' + d = A 1
2
'
m V A 1
2
m
76
COROLARIO
Si Y ~ N(,V), siendo V singular o no singular, pero m = 0, d=0; entonces Y'AY sigue
i) VAVAV = VAV;
ii) 'AV = 'AVAV;
iii) 'A = 'AVA
COROLARIO
Para m = 0, d = 0, = 0, y Y ~ N(,V); con V singular o no singular; entonces
TEOREMA 27
Si Y ~ NS(,V) ; las formas cuadráticas Y'AY y Y'BY son independientes, si y solo
si VAVBV = 0;
VAVB = VBVA = 0;
'AVB = 0
77