Professional Documents
Culture Documents
2.26
P
Use dada en el ejercicio 2.25
X 25 −2 4
= −2 4 1
4 1 9
a) Encuentre ρ13 .
Sigma<-matrix(c(25 , -2 , 4, -2,4,1,4,1,9),byrow=T,ncol=3)
Sigma
## [1] 0.2666667
b) Encuentre la correlación entre X1 y 12 X2 + 12 X3
1
2.30
Te dan el Vector aleatorio X = [X1 , X2 , X3 , X4 ] con vector de medias µ0x = [4, 3, 2, 1] y matriz de varianzas y
covarianzas:
3 0 2 2
X 0 1 1 0
=
2 1 9 −2
2 0 −2 4
Ahora:
X1
X (1) =
X2
X1 E[X1 ] 4
X (1) ] = E[
E[X ]= =
X2 E[X2 ] 3
AX (1) ]
b) E[AX
X1
AX (1) = 1
2 = X1 + 2X2
X2
X1 E[X1 ] E[X1 ]
X (1) ] = A E[
AX (1) ] = A E[X
E[AX ]=A = 1 2 = E[X1 ] + 2E[X2 ] = 4 + 2(3) = 10
X2 E[X2 ] E[X2 ]
X (1) )
c) Cov(X
2
Primero:
.. ..
Σ11 . Σ12 X (1) )
Cov(X . X (1) , X (2) )
Cov(X
X) = Σ =
Cov(X . . . ... ...=Σ =
... ... ...
.. ..
Σ21 . Σ22 X (2) , X (1) )
Cov(X . X (2) )
Cov(X
σ11 σ12 3 0
X (1) ) = Σ11 =
Cov(X =
σ21 σ22 0 1
AX (1) )
d) Cov(AX
(1)
0
3 0 1
AX
Cov(AX ) = AΣX (1) A = 1 2
0 1 2
A<-matrix(c(1,2),ncol=2)
Sigma<-matrix(c(3,0,0,1),ncol=2)
A%*%Sigma%*%t(A)
## [,1]
## [1,] 7
3 0 1
AX (1) ) = AΣX (1) A0 = 1
Cov(AX 2 =7
0 1 2
X (1) , X (2) )
i) Cov(X
σ13 σ14 2 2
X (1) , X (2) ) = Σ12 =
Cov(X =
σ23 σ24 1 0
AX (1) , BX (2) )
j) Cov(AX
2.35
si
2 −2
B=
−2 5
b<-matrix(c(-4,3), ncol=1)
d<-matrix(c(1,1),ncol=1)
B<-matrix(c(2,-2,-2,5),ncol=2)
b
## [,1]
## [1,] -4
## [2,] 3
3
d
## [,1]
## [1,] 1
## [2,] 1
B
## [,1] [,2]
## [1,] 2 -2
## [2,] -2 5
(t(b)%*%d)^2
## [,1]
## [1,] 1
(t(b)%*%B%*%b)*(t(d)%*%solve(B)%*%d)
## [,1]
## [1,] 229.1667
3.6
3.10
Cuando la varianza generalizada es cero, las columnas de la matriz de los datos de medias corregidas
Xc = X − 1x̄0 son linealmente dependientes, no necesariamente las de la matriz de datos en sí misma. Dados
los datos:
3 1 0
6 4 6
4 2 2
7 0 3
5 3 4
a) Obtenga la matriz de datos corregidos promedio y verifique que las columnas sean linealmente dependi-
entes. Especifique un vector a0 = [a1 , a2 , a3 ] que establezca la dependencia.
b) Obtenga la matriz de covarianza de muestra S y verifique que la varianza generalizada sea cero.
c) Demuestre que las columnas de la matriz de datos son linealmente independientes en este caso.
4
3.12
Muestre que |S
S | = (s11 s22 . . . spp )|R
R|
3.14
3.16
Sea v un vector
P de variables aleatorias con E[vv ] = µv y matriz de covarianzas E[(vv − µv )(vv − µv )0 ]. Muestre
0
vv ] = v + µv µv0
que E[vv