Professional Documents
Culture Documents
RESUMEN
1. INTR(JDUCCIUN
2. ESPACIO DE H 1LBERT
2.1. AXIUMÁTICA
A finales del síglo pasado se estudiaron las propiedades primarias de matríces. Los
métodos de Algebra Lineal estudian los conceptos de espacios y se aplican a sus
transformaciones, formas de operadores, proyectores, etc., aunque, como dice Mált-
sev (*), el objeto del Algebra Líneal es eI estudio de las «matrices, espacios y formas
algebraicas, cuyas teoñas están estrictamente vinculadas» .
I. AXIOMA DE GRU PO
(*) A. I. Máltsev: «Fundamentos del Algebra LinealN, pág. 12, Editorial Mir. Moscú, 1972.
26 ESTAiDIST I^CA F,SPA1401.A
Se define una uperaci^n interna (también denuminada pruducto interno) con las
siguientes propiedades:
(x, y } ^ ( y. x }
(ax, y)= a( x, y) a un escalar cualquiera.
(x + y, ^ ) - (x. z ) + (y, w } [1)
(^rx + by, ti)= a( x, z)+ b( y, ^) corulario de las dos precedentes.
( x. -x ) ? a
y al pruductu:
(x,y)=o
,
La ortogonalidad se representa también de la forma:
x y
(x, x ) = 1 C21
se denomina a1 elemento x que está normalizado u tiene módulo unidad.
En una sucesión x,, x 2, ..., x,^ de elementos de H{o de Hn) que cumplen la [ 1] pur
los axiomas [ l] de 2.1, s u prod uc to interno es:
//z/IZ = lim
28 ESTADISTICA ESPAÑOLA
dunde ^^; sun los elementus básicos [3] de 2.2 urtunurmalizados. Si n tiende a infinito, el
puntc^ x ^ H. [2]
x - (x ,, x ^, . . . , x;, . . . , x„ ) [4]
Cuandu x^ H, la sucesión de las coordenadas se extiende a infinito.
Sea:
v ^, v 2, [1]
(e ,, e ^, . . . ) C2l
de forn^a que el elemento e j se expresa en función lineal de los elementos v^, ^^^, ..., v,,,
v,
(v,, v,) t^t
e2 = v2 - (v2, e,) ; e7
.^(P^• ^Pí
por la [ 3] .
x = x' + y [1)
ESTAD^Si'ICA ESPAÑOL,A
[{ [5]
Si elegimos:
^ ( x, x ) -.. ^ ,JC ?
i=1
recordando la [6].
APLiCAC^fJNES DEL ESPACIO DE H1L8ERT A LA ESTADISTICA
x' _ r
f=1
Si las coordenadas se han elegido según la [6] de la [ 1] y[7] deducimos para t^v, y):
La distancia x a su aproximación x', combinación linea! x' E H^, puede hacerse tan
pequeña como queramos. Si el conjunto es denso, decimos que x se puede aproximar
con expresiones lineales con «error cuadrático» y escribimos:
3.1. GENE1tAL1DADES
b ^
1
,f;f dx = Fi;; -- 0 [2]
0
32 ESTADISTiCA ESPAÑOLA
Definamas la uperación:
I.
6
^.K'dx C3l
para b,,f', g y examinemos si podemos formar un espacio funcional de Hilbert, con los
siguientes axiomas:
I. A x^oMA DE GRUPo
11 ^ . AXIOMA MÉTRICO
Para
df; g, h E H, c on la definic ión dada en [3) para el pr^^ductv escalar son
inmediatas las relaciones:
IV. DE CUNVERGENCIA
ll,^ n -- ^Qn+pll C £
b) S^^urubilidud
siendo la coordenada:
b
a k= f• fkdx [ 2]
0
b
l/,f' -- g llz = /f -- g /Zdx < E C31
a
y en este caso escribiremos:
„
^ ? ^akfk=^n
k=1
recurdandu la [ I j; luegu:
La :^ucesi©n dc^ f^^nciunes [ I] cie 3. 1 eitntru de^ camno -u. +u, ^uc^^ie ser:
1
.l ^^ ^( X ) -
^
1 nx I nrcx
f^,(x 1- c:us ,..., j'^-i(x) -- cus
I rc .^r 1 n rc x
.Í^^(.z ) = sen , ..., .t^z^(x ) - sen
u u ^ u
h^sta sucesiá^ n cie funciunes se cum^rueba sencillamente yue es una base urtunorma-
lizacia c^e un espac:iu func:ie^nal ^ur 1as ^rc^^iedades de las integrdles de senus y cusenos.
L.a re^retientac icín c', ^^ u n eleme ntu ,j^ e^ pur el cc^nj unto de sucesiones urtonormati-
ldcias cie Fuurier re^resentandu u',^ y h;^ las cuurc^enadas en este espaciu es:
.f^(_r) --
^
^
cl;,
nTCX
l
i U', CUS
nx
i?TtX
U
+ h', se n
n _z -
U
+
I
.f^(,x). ^ ^ u^^ ^ . f ^( x )dx [3J
^
nx
cus u
[1 ^ = U .% ( x ) TL X
.f(•^Í. - ^ CUS 1fX =
CI
V `` -u ^ tl
APLtCACl4NES DEL ESPAC't0 DE HILBERT A LA ESTADISTICA 3S
1 Ía Jt X
= ^-- ,j ( X I Cl)S CI.r
a _ -a ll
TC X
sen u
u ^ rc .r
b'^ _ ,f '( x ) , .f ^C x ) ^en ci.r
^ ll -a cl
6
1 rt n x [ 4a ]
G'n = ,^ (X ) CUS G>'K
U
(n - l, ?, 3...>
1 -a nnx
b'n - f'( x ) se n c^.x [4b^
(1 -a C1
Jf
1 a t ° rt tt t ^t rc x
.Í^( x ) = f^( t )dt + ^ - ,/^( t ) cus c:us +
^,^_a n= u _ _a cl u
nnt nnx
+ sen sen c1t ^
a a
^ -a x ' -a - .^ ) .
/`l 1L { j
- ^ f ^( t )út + ^ , f ^( t ) t^us clt =
^tl -a n - 1 ^l -a ll
^ a r_ a
111t (1 - .^ ^ (/l
^ _f ^{ t )dt ^ ^ .t { l ) C U S +
^
-a n=1 1_ -a (1
1 a rt 1t ( t -.^ }
+^..-_ f'( t) c: u s c^t -
U
!?TC(! - X)
,f (! ) CuS ÚI
^ -a
N STADISTICA ESPAÑ4LA
^^>r ^;er la t^iln^ic^n ^^^,^^n^^ t^un^ir;^n ^^r. Prc.•^iti^mc.•ntc:• ^^^r c•tita ^irc:unst^^ncia y pur ser la
t`un^ ión ^^sn^^ im^^r. I^i j 1 j e^ iguat :
-
u
-a
,f ^t ^
)
^^
^(' n^t(I-xj
a
^ ^,
Si hac^ m^^s
rt rc
_^. - 11 [31
^^
(rr + I )n rt n n
- _ - - d r, [4]
tl (1 (1
^ -a uc! -x ^i^
. / ^( _C t = f ^t r > ^1 r ^ (- á r^ [ 2' ]
2rz -u u
y ^uan+^^^ (1 ---^ ^,^^+^ tiende a I^^ dit'erenrial (lrr y la sumaturia [2' ^ a una integral:
^ r ^ n(I -x li
. f (.r ) _ . f ( t )(!l (' :/1!
2>^ - ^ -^
^ , r
I f.(t )(^,t,^t
,/^(.r ) - c' -r,xi^Íll [S ^ ^
2 ^L -1 -Y
Su^tituyenciu c:n (^'j tc:nc:me^s yue e^^inciciiencic^ esta función puede determinarse la
t`un^ ic^n c1e cit nsiclac^ de ^r^^babil idad . Su^tituyendu la [6^ en la [5' j tenemc^s:
1 '
, f ^(.X ) _ (, -r^xi ^h ^l/ )CÍl! [%^
2r C - _r_
APLICAClUNES DEL., ESPAClO DE NtLBERT A LA ESTADISTICA 37
Para que f(x ) sea desarrullable en serie de Fuurier [ 1] debe cumplir las cundiciunts
de Dirichlet: tener un número finitu de díscuntinuídades en el períudc^; tener un númcru
finito de máximus y mínimos, y
4.1. AXlOMÁTlCA
Los Axiomas 1, 11, Ill y[V de 3.1 se dan pur re^ruducidus y entunc:es en el Axiuma
métrico 111 se intruduce la función punderativa
1^ {x ) > 0 [1I
denaminada núcleo.
h
Cf , k ) - .t'( x ) ^' ( X ) cl F ( .r }
a
38 Es^rAa^cw ^:s^w^cxr^
Si [^] son funciones de1 espacio funcional de Hilbert respecto del núcleo h(x ) o
dF(x) (según sea [3] o[^`]), se puede reducirlas al espacio funcional estudiado en 3,
sólo haciendo la sustitución de las funciones [2^ por las nuevas:
4. Z. (,,^RTOC,oNORMA^LIZACIÓN Y COORDENADAS
b
t8;(x), g^ix}) = 8;(x)g,;(x)h(x) = b;; [2)
a
Una función f(x) E H puede expr^esarse por una combinacián lineal de la base [ 1].
EI térrnino E(z ) se el ige de forma que sea minima la distancia de f{x ) a la expresión:
f^ {x ) = a ,g , (x ) + a ^g 2 (x ) + . . . + a,^g„(x ) [4)
b
uk = (^(x ), gk(x)) _ .f(x)gk(x)h (x)dx [^]
a
So^) = 1
8,(z) = P,(z)
P2 (z )
8 2(x ) _
^
P^(z )
✓^
Las expresiones P,^(x } son los polinomios de las derivadas de la distribución normai
tipificada:
^o (x ) 1 e _^=r^
2n
1
.f^^(z) _ ^, e "x=nP,^(X ) [3]
^/ 2n
h (z } _ 1 e -x=rz
[^]
^/ 2n
^ x
,f ^-2(x) p,^(x}dx =U [S^
^^/^ -x
^40 ESTADISTiCA F.SPAI^+OL.A
pues al integr•ar por partes deducimos en consecuencia, ai ser m>;n par hipbtesis y ser
nulos los térrr^inos integrados entre +^c: y ser
P^"+^(x)=0
^ [+^]
por ser P,^(x) un polinomio de grado n), deducimos la ortogonalidad de las funciones:
^ x ^
e -x^/2P^{x) P,^ (x
lg^^^)'+ g^^x) )
^,-' (m ,^,^` ^m - ^ ^` 2n
f^^(x) P,^(x)dx
^ x.
_ ( _ 1)k fc,^-k(x ) p^{x )dx =
^ -x
(_ l^M ^ (x)
• P^ x .fC°(x)d,x = (- 1} m (- ^)
n^ L [S']
_ ,^,
L
por ser Pm (x ) una constante y además es factvrial de m con el signo ±, según sea m de
naturaleza par o impar.
Puede escribirse:
Una función cualquiera f(x) puede desarrollarse por medio del sistema ortonormali-
zado [ 1) en la forma:
En cunsecuencia, las coordenadas con núcleo [3] se determinan por la expresión [b]
de 4.2.
^ ,
ak =^.f(x), gk(x}) = f(x)Pk(x} e x iz dx [g3
, -x ,/ 2a^
x x
Luego:
x
= ak = f .(x ) P^`(x
,^ ) dx
-x
porque todas las integrales se nos anulan por tas [S), [S') y[S"].
Solamente a titulo de información daremos los tres primeros. Para ello conozcamos
Pk(x) deducidos Po(x) = 1 de la derivada de la normal [3]:
P^(x) - --x
P2(x ) = x 2 -- 1
En consecuencia:
x; x
fj^s)
(x)dx
ds =
= aa f^(x)dx = 1 ^
ao - 1
^ ^ ^x.Í(
a= )
p`(x )1 dx =- ^ x x )
.f ( dx -a^
x ^ -x
^
1 2
a^ _ (x - 1)f(x)dx = 1 [a - 1]
L^ - x 2 2
00
aa = 1
1z (3x -- x3)f(z )dx = 1 [ 3a i - a 3]
^Z [ 12]
l^. -^o [.^..
Estos cceficientes, llevados a la [9], nos dan el desarrollo de Charlier para una
función de densidad en relación con la normal.
42 ESTA13[ST'I^A ESPAÑOL.A
lndiquemus que para la valide2 del desarrollo sun necesarias las condiciones de
cuntinuidad de ,j'(x) y se anule la función y sus cierivadas en ±^o .
La analogía can los de Char^ier nace por el hecho que se forman de la normal por
deñvacián, pero de la farma siguiente:
Si
1 ^ --x=i^
^^,(x ) ._ [ 1]
,, 2n
_ ^
D ^ dx ^ 2]
D, _
tenemus:
y en consecuencia:
sienda:
Rey Pastor (**) da una tabla de polinomios ortogonales con diversos núcleas,
interesantes y que enunciamas, coma sun las de Legendre, Tchebychev, La,guerre,
Jacc^bi, etc., asi como las funciones generatrices de los polinamios.
(*} M. G. Kendall and Stuard: «The advanced theory of statistics». Vol. I, p. 155 y sig., quien
demuestra propiedades importantes de estos y utrus palinomios.
{**} J. R. Pastar: «I..ros prc^blemas lineales de la Física». Intaet., p. 32 y sig.
APLiCACIQTiE3 DEL ESPACIO DE NILBERT A LA ESTADtSTICA 43
5.1. AXíUMÁTiCA
Añadiremos, sin embargo, que pueden ser funciones aleaturias u procesos estocásti-
cos, pero no se estudiat^.n estas cuestiones en este artículo.
I. AXIOMA DE GRUPO
Demostremos la [2.c]:
Ex ^ = 0 ^2]
[2'l
y siempre supondremos las variables aleatorias x; son centradas sin que perdiéramos
generalidad por esta hipótesis adicional.
APLICACIONES DEI. F.,CPACH'J DE HILHERT A L.A ESTADI^7'ICA 4S
x
^i - ^i ` 2 [SJ
✓ (x2^ x^)
peno:
x
^2 = - ^ ^ (^2^ ^2) = 1 [S']
2
Si llamamos:
^z3 _ aZa
(x}, ^^) ^ Ex3 x2 ^ .^
3 - Pz^Q3
Q2 C72 62a3
ESTADISiT[CA E3PAÑ^4LA
"'" l ,X ; -- ( x 3 +
^ ^ ;' ^ ; ^ ,`^ 2 }^ 2 + -x 3 -. lX3+ 4 I ^ 3 j _._
-- ^3( ^ _ ^2^^
Luego:
x3 ^ (x3• 52^z
V ^^3* ^3^ a ^^v^^ 1 -' P i 2^^
1 X3 P23 x2
C 1 1'J
^,/ i - Pi^ a2
z, = 61z^,^ + b , 3y 3 + [lj
Si eí elemento aleatorio x, se proyecta sobre H,; y r^ es ortogonal a la base {^2, ^,, .., ,
^„} .
Llamaremos (como hace Yule) a los primeros subíndices primarios y a los restantes
secundarios. Eí prirner subíndice 1 en los coeficientes de regresión en base ortonormali-
zada indica la variable x,; el segundo subíndice de los coeficientes, indicativo de que es
el coeficientes correspondiente a la variable estocástica ortonormalizada, representa su
influencia; los coefcientes secundarios representativos de las restantes variables orto-
normaliza+das que intervienen. Por último, comparando [S] con [ 1] vemos que:
[ó]
es la desviación o error estocástico.
Multiplicando escalarmente x 1,^,,,.,^ por ^ti(h = 2, 3, ..., n) y recordando [2] tene-
mos:
"
a i,2,...,^ _ {x 1,23,....^ ^ x 1,2,3....,^)
La varianza residual:
z z b2
Q 1.2..., a-` Q 1,23,....{,^ - t) ' t^,23,...,(n - i)
La fórmu[a, deducida por Yule (p. 3074 c.) para los coeficientes de regresión, nos
permite escribir la irnportante relacián para nuestros coeficientes de regresión en base
estocástica artanormalizada:
_ b :^.23.. ..{.^ - t )
p ire .23.. . . .(h -1) - 2
Q 1,23,....(re - !)
2 _ 2 Z
Q 1.23,...,w -^ 1.23,...,(x --1)( 1 1 p 1n.23.....{n -1}^
De [ 10] deducirnos:
2
^ t,2 ^` it l - Piz^
De la [5^] deducimos:
b In
. 23,.. ' p 1n.23,... .(n-1 )^ ^ ^ (1 ^ p t z^ ^ (1 -- p l3^2). . .(1 - p 1(n-1),23,...,(^-2}^
.,(n -1) ^ [ 14]
Estos coeficientes b 1,^,^,...,^n_ 1) puede observarse no están influenciados por variables
superiares a n como indica la [ 14],
APL[CACIONES DEL ESPACIO DE HIL.gERT A LA ESTADISTICA
Esta ventaja sobre los cceficientes lineales ordinarios de regresión nos permite
deducir el siguiente sin modificar los anteriores cuando se ha construido la base
ortonormal izada.
Ex,x2 Ex,x2
6,2 = Ex,^^ °^^ ° P^2°'^
La [^ l] se reduce a:
x ^ ^ P^zQ^^2 + x i,2
x2
= P c^°' ^
a2
^` x i.a C3l
cs ,
x ^^ = p12 • x2
cs 2
x ^^ x2
Sl, - p^z ' [S)
Ci, 62
Sencillamente deducimos la varianza residual sin más que j3] de S.3 suprirnir los
subridices superiores a 2 y sustituyendo b, 2 por el valor deducido en [2] tenemos la
conocida fórmula de la varianza residual:
S. S. PL,ANO DE REGRESIÓN
Por su importancia, ded icaremos estas bre ves líneas al plano de regresián en coordi-
nadas ortonormalizadas y finalizaremos nuestro artículo.
E3TADtST^CA EsPA^70LA
De !as [ 1] y[S] de 5.3 tenemos para el plano en la base ortonormalizada {^2, ^3}:
x^
Siendo ^ 2 =
^2
^ l x3 P23 X2
b3 [ ^]
^ ^ P23 Q3 ^ ^ ^ P23 ^2
b,2 = P12Q1 [ 4j
_ (P i 3 ^ P 12P23)
^ 13 -
1 - Pi3
X 1t = b 12^2 + 613^3 [ b]
Sustituyendo en [6] las coordenadas expresadas en las fármulas [S] y las ^2 y^3 por
las [ 3] , tenemos :
Q _ Qa _ b^ _ 62 _ ^2 _ 2 aa _ ^P ^ ^ - P ^zPz3^^ 0,2
^.23 ^ ^2 ^^ ^ P^2 ^ 1 2 ^
- P^;
[ 9)
^ ^2 (^ _` Pi^^(1 ^ PY3^ - (Pi^ - Pi2P13)^
B1BL[OGRAFIA
SUMMARY
In the present work we are studying the axiomatic for the formation of
Hilbert space with statistics nature defining the set ^f elements belonging to
the space and these elements can be functions, random variables or sto-
chastic processes. These definitions are completed with the scalar product
S2 ESTADISTICA E^PAl40LA
and if the elements are functions suc h ones shall be integral square and if
its are random variables the scalar products are given by the mathematical
expectations.
When the elements are functions, all the iheory of the orthogonality can
be studied from this point of view and detailed examples are given, such as
deveiopment of density functions, and reiation with the characteristic func-
tion.
When the elements are random variables with a set of them a base
random orthogonalized can be constructed and all different stochastic va-
riable can be developed calculating its coordinates which ^re the regressors
of the components orthogonalized random variahles. We are studied the
regressions: right line, plane and hiperplane.
Finally the mean square error is the scalar product of the random
variable distance to the regnession hiperplane and if the point belongs to
this hiperplane its variance is zero.