2.

DISTRIBUCIN
NORMAL MULTIVARIANTE

Introduccin
Normal bivariante
Normal multivariante
Distribucin 2
Muestreo en poblaciones normales
Distribucin de Wishart
Lema de Fisher multivariante
Teorema central del lmite

Introduccin: distribucin normal univariante

E( X )
X ~ N ( , ), donde 2
V (X )
2

con funcin de densidad

x

2 0

1
f ( x)
e
2

1 ( x )2

2 2

68%
95%
-2
+2

+
NORMAL MULTIVARIANTE

Normal multivariante

X ~ N p ( , ), donde ; definida positiva,

p

con funcin de densidad:

1
f ( x)
exp ( X )' ( X )
1/ 2
p/2
2

(2 )
1

NORMAL MULTIVARIANTE

Normal bivariante
Ejemplo
p2

1
11 12
12
;
; 12

11 22
2
12 22
Desarrollar

f ( x1 , x2 )

NORMAL MULTIVARIANTE

Normal bivariante

1
11 12
X ~ N 2 ( , ), donde
;
,
2
12 22

con funcin de densidad

2
2

x1 1 x2 2
1
1 x1 1 x2 2

f ( x1 , x2 )
exp

2 12
2

2 11 22 (1 122 ) 2(1 12 ) 11 22
11
22

NORMAL MULTIVARIANTE

EJEMPLOS

EJEMPLOS

Normal bivariante

Propiedades
12 =0 f(x1 ,x2)=f(x1)f(x2) X1, X2 independientes

(,e) autovalor y autovector de (1/ ,e)

autovalor y autovector de -1

NORMAL MULTIVARIANTE

Normal bivariante
Representacin grfica
f(x1,x2)
x2

y2

y1

c2
c1

e1

e2

c2
x1

x2

x1

f ( x1 , x2 ) c 2 ( x )' 1 ( x ) c 2

1, 2 autovalores de
e1 , e2 autovectores de
NORMAL MULTIVARIANTE

Normal bivariante
Ejemplo
Hallar las elipses de densidad constante para

x ~ N 2 ( , )

11 12

11 22 ;
12 11

NORMAL MULTIVARIANTE

10

Normal multivariante

Propiedades
a1

(i ) X ~ N p ( , ) ; a . Entonces :
a
p
a ' X ~ N1 ( a ' , a ' a )
a p , a ' X normal X normal p - variante

NORMAL MULTIVARIANTE

11

Normal multivariante
a11

(ii ) X ~ N p ( , ) ; Aqxp
a
q1

a12

a1 p

aq 2 aqp

AX ~ N q ( A , A A' )
d1

d ; X d ~ N q ( d , )
d
p

NORMAL MULTIVARIANTE

12

Normal multivariante

(iii )

X (1)

X ~ N p ( , ); X ( 2)
X
(1)
11 12

( 2) ;

21 22

Entonces :
X (1) ~ N ( (1) , 11 )
X ( 2) ~ N ( ( 2) , 22 )
NORMAL MULTIVARIANTE

13

Normal multivariante

(iv ) X (1) , X ( 2 ) independientes cov( X (1) , X ( 2 ) ) 12 0

(1)
( 2) ~ N ( 2)
X

X (1)

11
,
21

12

22

X (1) , X ( 2 ) son independientes 12 0

NORMAL MULTIVARIANTE

14

Normal multivariante

Ejemplo
4

X N3 ( , 1
0

0 )
2

NORMAL MULTIVARIANTE

15

Normal multivariante

(v )

X (1) ~ N q1 ( 1 , 1 )
X ( 2) ~ N q 2 ( 2 , 2 ) independientes

X (1)
( 2 ) ~ N q1 q 2
X

(1)
( 2)

1
,
0

NORMAL MULTIVARIANTE

16

Normal multivariante

X (1)
(vi) Sea ( 2 ) ~ N

22 0

(1)
( 2)

11
,
21

12

22

X 1 | X 2 x2 ~ N ( 1 12 221 ( x2 2 ), 11 12 221 21 )

NORMAL MULTIVARIANTE

17

Normal multivariante

Ejemplo
Dada (X1, X2), obtener la distribucin de X2
condicionada por X1 =x1

NORMAL MULTIVARIANTE

18

Normal multivariante

(vii) Distribucin de combinacin lineal de normales

X 1 , X 2 ,..., X n indep.
n

X i ~ N p ( i , ) ; U c1 X 1 cn X n ci X i .
i 1

i 1

i 1

Entonces U ~ N p ( ci i , ( ci ) ).
2

NORMAL MULTIVARIANTE

19

Normal multivariante
(viii) Distribucin conjunta de normales
n

Si, adems, V bi X i
i 1

c ( c

U
entonces : N 2 p

i 1
n

b
i 1

i 1

(b' c)

(b' c)

n

2
( bi )
i 1

Por tant o, U y V son independi entes b' c 0

NORMAL MULTIVARIANTE

20

Normal multivariante

Ejemplo
4

X 1 , X 2 , X 3 , X 4 N 3 ( i , 1
2

2
3

1 0
2 0
3
1
1

1
9
3
1

1
0

3 )
25

indep.

4 0
1

NORMAL MULTIVARIANTE

21

Normal multivariante
1

Ejemplo
n

c X

con c
2
i 1

0
n

ci X i
1
i 1

(ii )
con b
n

2
b
X

i i

i 1

0

(i )

(iii )

c X , b X
i 1

i 1

independientes ?

(iv) Dar una combinacin linealmente independiente

NORMAL MULTIVARIANTE

22

Distribucin 2

12 Z12 , donde Z1 N (0,1)

n

2
2
Z

i n,
i 1

donde Z i N (0,1) independientes, i 1,...,n.

NORMAL MULTIVARIANTE

23

Distribucin 2
Propiedades

Sea X N p ( , ) y 0. Entonces :
(i ) ( X )' ( X )
1

2
p

(ii ) PX x p: ( x )' 1 ( x ) p2 , 1

2p,

NORMAL MULTIVARIANTE

24

Muestreo en poblaciones normales

X ~ N p ( , ); X 1 , X 2 ,, X n i.i.d .
Estimadores de mxima verosimilitud para y

NORMAL MULTIVARIANTE

25

Muestreo en poblaciones normales

Derivando parcialmente con respecto a todas las

variables e igualando a cero, se obtiene:

X
n
1
n 1

( X i X )( X i X )'
S n 1 S n

n i 1
n

NORMAL MULTIVARIANTE

26

Muestreo en poblaciones normales

Propiedades

(i)

X y Sn estadsticos suficientes para y

n

(ii ) En una dimensin, (n 1) S 2 ( X i X ) 2 2 n21

i 1

2 ( Z12 Z n21 )
( Z1 ) ( Z n 1 )
2

donde Z i son normales independientes

y Zi ~ N (0, 2 ).
NORMAL MULTIVARIANTE

27

Distribucin de Wishart

Sean

Z i ~ N p (0, ) independientes,

entonces :
Propiedades

Wm () Z i Z i '
i 1

Wishart con m
grados de libertad

(i )

A 1~ Wm1 ()
indep. A1 A2 ~ Wm1 m 2 ()

A 2 ~ Wm 2 ()

(ii )

A ~ Wm ()
CAC ' ~ Wm (C C ' )

C pxp
NORMAL MULTIVARIANTE

28

Lema de Fisher multivariante

X ~ N p ( , ); X 1 ,, X n i.i.d.
Entonces :
1
(i) X ~ N p ( , )
n
(ii ) (n 1) S n 1 ~ Wn 1 ()
(iii ) X y S n 1 son independientes

NORMAL MULTIVARIANTE

29

Teorema Central del Lmite

X con EX ; VX ; X 1 ,, X n i.i.d.

Dado
(i)

X es asintticamente normal
n1/ 2 ( X )

1
X N p ( , )
n

(ii) X es consistente:
(iii) S

P
n

N p (0, )

c.s.
n

1
(iv) n( X )' S ( X )

d
n

p2
NORMAL MULTIVARIANTE

30