UNIVERSIDADE FEDERAL DO AMAZONAS

PROGRAMA DE PS GRADUAO EM MATEMTICA

CONCENTRAO EM ESTATSTICA

Modelos Lineares Generalizados

Manaus
24 de dezembro de 2015

MARCOS LUIZ DA SILVA ANDRADE

Exerccios apresentados ao Professor Doutor

Jose Cardoso na disciplina Modelos Lineares
Generalizados do Programa de Ps Graduao em Matemtica com rea de Concentrao em Estatstica.

Manaus/AM
24 de dezembro de 2015

Questo 11
Um critrio tradicional para validao de modelos de regresso normal linear atravs da
= Pn (yi y(i) )2 em que y(i) = xT (i) denota o valor
estatstica PRESS, definida por
i
k=1
predito para i-sima observao quando esta no considerada no ajuste. O critrio
Mostre que:
selecionar o ajuste com menor valor para .
=

n 
X
k=1

ri
1 hii

2

em que ri = yi yi e hii = xTi (XT X)1 xi .

Soluo:
Seja i o vetor dos coeficientes de regresso, obtido conservando a i-sima observao.
Ento:
(i) = [XT(i) X(i) ]1 XT(i) y(i)

(1)

onde os vetores X e y(i) so os vetores X e y onde se conserva a i-sima observao. Logo

o i-simo resduo PRESS pode ser escrito como:
r(i) = yi yi

= y i xT
i (i)
T
1 T
= y i xT
X(i) y(i)
i (X(i) X(i) )

(2)

1
A relao entre as matrizes (XT X)1 e (XT
dada por:
(i) X(i) )

1
(XT
= (XT X)1 +
(i) X(i) )

T
1
(XT X)1 xi xT
i (X X)
1 hii

(3)

T
1
onde hii = xT
xi .
i (X X)

Substituindo a eq. (3) na eq. (2):

r(i)



T
1
(XT X)1 xi xT
i (X X)
T
1
= yi
(X X) +
XT
(i) y(i)
1 hii
T
1
T
1 T
xT
x i xT
X(i) y(i)
i (X X)
i (X X)
T
1 T
T
= yi xi (X X) X(i) y(i)
1 hii
xT
i

(4)

Desde de que hii = xTi (XT X)1 xi , podemos reescrever a eq.(4):

r(i) =
=

T
1 T
T
1 T
(1 hii )yi (1 hii )xT
X(i) y(i) hii xT
X(i) y(i)
i (X X)
i (X X)

1 hii
(1 hii )yi

T
1 T
xT
X(i) y(i)
i (X X)

(5)

1 hii

Como XT y = XT
(i) y(i) + xi yi , a eq.(5) pode ser simplificada :

r(i) =

T
1 T
X(i) y(i)
(1 hii )yi xT
i (X X)

1 hii
T
1
(1 hii )yi xT
(XT y xi yi )
i (X X)
=
1 hii
T
T
1
(1 hii )yi xi (XT X)1 XT y + xT
xi y i
i (X X)
=
1 hii

(6)

Da eq.(1), obtemos:
= [XT X]1 XT y

(7)

Substituindo a eq.(7) na eq.(6):

r(i)

(1 hii )yi xT
i + hii yi
=
1 hii
T
yi x i
=
1 hii

(8)

Agora o numerador da eq.(8) o resduo ordinrio ri = yi yi , (onde yi = xT

i ), de
um ajuste por mnimos quadrados com todas as n observaes. Logo o i-simo resduo
PRESS :
r(i) = yi y(i)
ri
=
1 hii

(9)

Da definio da estatstica PRESS e da eq. (9) obtemos:

=

n
n
X
X
2
(yi y(i) ) =
(
k=1

k=1

ri
)2
1 hii

(10)