Introduo Econometria

Breno de Andrade Pinheiro Nri

Escola de Ps-Graduao em Economia
Fundao Getlio Vargas
Rio de Janeiro
September 25, 2005
Part I
Ferramentas Matemticas Bsicas
1 O Operador Somatrio e Estatsticas Descriti-
vas
1.1 Operador Somatrio
Seja r
I
: i = 1, ..., : uma sequncia com n nmeros, ento escrevemos a soma
desses nmeros como:
Denition 1
n

I=1
r
I
:= r
1
+r
2
+... +r
n
Propriedades
\c R,
n

I=1
c = :c
\c R,
n

I=1
cr
I
= c
n

I=1
r
I
Se (r
I
, j
I
) : i = 1, ..., : um conjunto com n pares de nmeros, temos
que, \a, / R,
n

I=1
(ar
I
+/j
I
) = a
n

I=1
r
I
+/
n

I=1
j
I
1
Observaes
Se (r
I
, j
I
) : i = 1, ..., :, j
I
,= 0\i um conjunto com n pares de nmeros,
geralmente temos que
n

I=1
ri
i
,=
n

i=1
ri
n

i=1
i
Geralmente temos que
n

I=1
r
2
I
,=
_
n

I=1
r
I
_
2
1.2 Estatsticas Descritivas
1.2.1 Mdia Amostral
Denition 2 r :=
1
n
n

I=1
r
I
Denition 3 Desvio da Mdia: d
I
:= r
I
r
Propriedades

I=1
d
I
=
n

I=1
(r
I
r) = 0

I=1
(r
I
r)
2
=
n

I=1
r
2
I
: r
2

I=1
[(r
I
r) (j
I
j)] =
n

I=1
[r
I
(j
I
j)] =
n

I=1
[(r
I
r) j
I
] =
n

I=1
(r
I
j
I
)
: r j
1.2.2 Mediana
Seja r
I
: i = 1, ..., : uma sequncia ordenada com n nmeros, escrevemos a
mediana como:
Denition 4 Mediana:=
_
rn+1
2
,se n mpar
rn
2
+rn
2
+1
2
, se n par
A mediana robusta a outliers, a mdia no.
2
2 Propriedades de Funes Lineares
Denition 5 j dito ser uma funo linear de r quando escrito da forma
j = ,
0
+,
1
r, com ,
0
(intercepto) e ,
1
(inclinao ou coeciente angular) dois
parmetros (nmeros) que descrevem completamente a relao entre j e r.
O efeito marginal de x em y constante e igual a ,
1
: j = ,
1
r
Funes lineares podem ser denidas para mais de uma varivel explicativa:
j = ,
0
+,
1
r
1
+,
2
r
2
. Note que j = ,
1
r
1
+,
2
r
2
.
,
1
chamado o efeito parcial de r
1
em j (est relacionado com a noo de
ceteris paribus). ,
2
tem interpretao anloga.
3 Propores e Percentagens
Uma percentagem obtida multiplicando uma proporo por 100. Sejam r
0
,= 0
e r
1
os valores iniciais e nais de uma determinada varivel r. Chamamos de
mudana proporcional ou mudana relativa:
r
r0
=
r1r0
r0
.
E de mudana percentual : %r = 100
_
r
r0
_
.
No confundir com mudana em pontos percentuais, que a variao em
uma determinada percentagem.
4 Algumas Funes Especiais e suas Propriedades
Note que funes lineares no apresentam retornos marginais decrescentes. Para
modelar esse fenmino utilizamos funes no-lineares.
4.1 Funes Quadrticas
j = ,
0
+,
1
r +,
2
r
2
Quando ,
2
,= 0 a funo tem um formato parablico, sendo cncava se
,
2
< 0 e convexa se ,
2
0.
Quando cncava, possui mximo no ponto r

=
o
1
2o
2
e apresenta efeitos
marginais decrescentes. Note que se a funo quadrtica cncava, sua incli-
nao (derivada) uma funo linear que diminue com r:
J
Jr
= ,
1
+2,
2
r, pois
lembre-se que ,
2
< 0.
4.2 Logaritmo Natural (ou Neperiano)
j = ln(r) , r 0
Apresenta retornos marginais decrescentes, mas a derivada
J
Jr
=
1
r
0\r
0, o que no ocorre com as funes quadrticas, que permitem que o efeito de
r sobre j possa ser negativo.
Observe ainda que ln(r)
_
_
_
< 0, se 0 < r < 1
= 0, se r = 1
0, se r 1
3
Propriedades
ln(r
1
r
2
) = ln(r
1
) + ln(r
2
) , r
1
, r
2
0
ln
_
r1
r2
_
= ln(r
1
) ln(r
2
) , r
1
, r
2
0
ln(r
c
) = c ln(r) , r 0, c R
ln(1 +r) - r, se r - 0
ln(r
1
) ln(r
0
) -
(r1r0)
r0
=
r
r0
, se
r
r0
- 0
100ln(r) = 100 (ln (r
1
) ln(r
0
)) - %r
Denition 6 Elasticidade de j com respeito a r:

r
r

=
%
%r
Note que

r
r

-
ln()
ln(r)
, e portanto o modelo de elasticidade constante
aproximado pela equao ln(j) = ,
0
+ ,
1
ln(r) , r 0 cuja elasticidade de j
com respeito a r ,
1
.
Denition 7 Semi-Elasticidade de j com respeito a r:
%
r
O modelo de semi-elasticidade constante aproximado pela equao ln(j) =
,
0
+,
1
r, j 0 cuja semi-elasticidade de j com respeito a r 100,
1
.
Da equao j = ,
0
+,
1
ln(r) temos que j -
_
o
1
100
_
%r.
4.3 Exponencial
Se r = ln(r) , r 0 ento r = exp(j) (ou ainda r = c

). Ou seja, a funo
exponencial a funo inversa (e vice-versa) da funo logaritmo. Portanto
exp(ln(r)) = r, r 0 e ln(exp(r)) = r\r R.
Observe que exp(r)
_
_
_
0 e < 1, se r < 0
= 1, se r = 0
1, se r 0
. Note ainda que exp(1) =
c - 2, 71828, um nmero irracional (possui uma representao decimal innita
no peridica).
Propriedades
exp(r
1
) exp(r
2
) = exp (r
1
+r
2
), logo (exp(r))
c
= exp(cr) \r R

exp(r1)
exp(r2)
= exp(r
1
r
2
), logo
1
exp(r)
= exp(r)
exp(r) - 1 +r, se r - 0
5 Clculo Diferencial
Seja ) : R R, j = ) (r), ento a derivada de j com respeito a r
J
Jr
-

r
,
para pequenas variaes de r, e a inclinao de ) (r) no ponto r.
4
Exemplos
Se j = ln(r) , r 0, ento
J
Jr
=
1
r
.
Se j = exp(r), ento
J
Jr
= exp(r) .
Se j = ,
0
+,
1
r, ento
J
Jr
= ,
1
(constante \r R).
Se j = r
c
, ento
J
Jr
= cr
c1
.
Se j = c, ento
J
Jr
= 0.
Propriedades

J(}(r)+(r))
Jr
=
J}(r)
Jr
+
J(r)
Jr

J(c}(r))
Jr
= c
J}(r)
Jr
, \c R
Denition 8 Se j funo de mais de uma varivel (por exemplo: j = ) (r
1
, r
2
)),
chamamos de derivada parcial de j com respeito a r
1
a derivada de j com re-
speito a r
1
, matendo r
2
constante (como se r
2
fosse um parmetro, e no uma
varivel). E denotamos por
J
Jr1
. Anlogo para
J
Jr2
.
Note que
J
Jr1
-

r1
, para pequenas variaes de r
1
.
Exemplos
Se j = c +,
1
r
1
+,
2
r
2
, ento
J
Jr1
= ,
1
e,
J
Jr2
= ,
2
.
Propriedades Seja ) : R
n
R, ento para que ) atinja o seu mximo
(ou mnimo) no ponto r

= (r

1
, r

2
, ..., r

n
), uma condio necessria (mas no
suciente) que
J}(r

)
Jri
= 0, i = 1, 2, ..., :.
Part II
Fundamentos de Probabilidade
6 Variveis Aleatrias e suas Distribuies de
Probabilidade
6.1 Variveis Aleatrias Discretas
Denition 9 Funo Densidade de Probabilidade (pdf ): ) (r

) := 1 (A = r

) =
j

, j

_ 0\, e

j
I
= 1
5
6.2 Variveis Aleatrias Contnuas
Denition 10 Funo Distribuio Acumulada (cdf ): 1 (r) := 1 (A _ r)
Propriedades
) (r) =
JJ(r)
Jr
1 (r)
r
_
1
) (r) dr
1 () =
1
_
1
) (r) dr = 0
1 () =
1
_
1
) (r) dr = 1
1 (r) = 0
1 (A _ r) = 1 (A < r)
1 (A _ r) = 1 1 (r)
1 (a _ r _ /) =
b
_
o
) (r) dr = 1 (/) 1 (a)
Se r
1
< r
2
ento 1 (r
1
) _ 1 (r
2
) (a cdf no decrescente)
7 Distribuies Conjuntas, Distribuies Condi-
cionais e Independncia
7.1 Distribuies Conjuntas e Independncia
Denition 11 Distribuio Conjunta: )
,Y
(r, j) = 1 (A = r, 1 = j) (no caso
discreto).
Denition 12 Independncia: A e 1 so ditas variveis aleatrias indepen-
dentes se )
,Y
(r, j) = )

(r) )
Y
(j), ou seja 1 (A = r, 1 = j) = 1 (A = r) 1 (1 = j)
(no caso discreto). Independncia pode ocorrer entre mais de duas variveis.
Denition 13 Funo Densidade de Probabilidade Marginal: )

(r) e )
Y
(j),
tal que )

(r) =
1
_
1
)
,Y
(r, j) dj e )
Y
(j) =
1
_
1
)
,Y
(r, j) dr (integrais mlti-
plas se tivermos mais de duas variveis).
7.2 Distribuies Condicionais
Denition 14 Funo Densidade de Probabilidade Condicional: )
Y j
(j[r) =
}
X;Y
(r,)
}
X
(r)
. No caso discreto: )
Y j
(j[r) = 1 (1 = j[A = r) =
1(Y =,=r)
1(=r)
6
8 Caractersticas das Distribuies de Probabil-
idade
8.1 Medidas de Tendncia Central
8.1.1 O Valor Esperado
Denition 15 1 [A] :=
1
_
1
r) (r) dr ou, no caso discreto, 1 [A] :=
|

=1
r

) (r

).
Propriedades
1 [c] = c
1 [aA +/] = a1 [A] +/
1
_
n

I=1
A
I
_
=
n

I=1
(1 [A
I
])
1
_
n

I=1
(a
I
A
I
)
_
=
n

I=1
(a
I
1 [A
I
])
1 [q (A)] =
1
_
1
q (r) ) (r) dr, ou, no caso discreto, 1 [q (A)] =
|

=1
q (r

) ) (r

)
1 [q (A, 1 )] =
1
_
1
1
_
1
q (r, j) )
,Y
(r, j) drdj, ou, no caso discreto, 1 [q (A, 1 )] =
|

I=1
n

=1
q (r
I
, j

) )
,Y
(r
I
, j

)
Obs.: O Valor Esperado o anlogo populacional da Mdia Amostral,

A
(denio 2). Podemos tambm denir a Mediana Populacional (abaixo), em
contra-partida da Mediana Amostral (denio 4).
8.1.2 A Mediana
Denition 16 c R dito a mediana populacional da varivel aleatria A,
'cd (A), se 1 (c) = 0.5, ou seja, se 1 (c) = 1 1 (c).
Denition 17 Uma distribuio dita "Simtrica em torno do ponto j" se
) (j +r) = ) (j r) \r. Se a distribuio simtrica em torno da mdia
populacional, 1 (A), dizemos, simplesmente, que a distribuio Simtrica.
A Mediana robusta a outliers.
7
8.2 Medidas de Variabilidade
8.2.1 Varincia
Denition 18 \ ar (A) := 1
_
(A 1 [A])
2
_
\ ar (A) tambm escrito como o
2
ou ainda o
2

.
Propriedades
\ ar (A) _ 0, sendo igual a zero se, e somento se, A uma constante. Ou
seja, 1 (A = c) = 1
\ ar (aA +/) = a
2
\ ar (A)
\ ar (aA +/1 ) = a
2
\ ar (A) +/
2
\ ar (1 ) + 2a/Co (A, 1 )
Se A e 1 so independentes, ento \ ar (A +1 ) = \ ar (A 1 ) =
\ ar (A) + \ ar (1 ). Cuidado, pois \ ar (A, 1 ) = 0 no implica que A
e 1 sejam independentes
8.2.2 Desvio Padro
Denition 19 o

:=
_
\ ar (A)
Propriedades
o
o
= [a[ o

8.2.3 Padronizando uma Varivel Aleatria

Denition 20 Se A uma varivel aleatria tal que 1 [A] = j e \ ar (A) =
o
2
, ento chamamos de "Varivel Aleatria Padronizada" varivel aleatria
7 :=

c
. Note que 1 [7] = 0 e \ ar (7) = 1.
9 Caractersticas das Distribuies Conjuntas e
Condicionais
9.1 Medidas de Associao
9.1.1 Covarincia
Denition 21 Co (A, 1 ) := 1 [(A j

) (1 j
Y
)] = 1 [A (1 j
Y
)] = 1 [(A j

) 1 ] =
1 [A1 ] j

j
Y
Pode tambm ser representado por o
Y
.
Denition 22 Dizemos que o conjunto de variveis aleatrias A
1
, A
2
, ..., A
n

so "duas a duas no correlacionadas" se Co (A

I
, A

) = 0\i ,= ,.
8
Propriedades
Co (A, 1 ) = Co (1, A)
se A e 1 so independentes ento Co (A, 1 ) = 0, mas cuidado pois
Co (A, 1 ) = 0 no implica em independncia
Co (a
1
A +/
1
, a
2
1 +/
2
) = a
1
a
2
Co (A, 1 )
Desigualdade de Cauchy-Schwartz: [Co (A, 1 )[ _ o

o
Y
Se A
1
, A
2
, ..., A
n
so duas a duas no correlacionadas ento \ ar
_
n

I=1
a
I
A
I
_
=
n

I=1
_
a
2
I
\ ar (A
I
)

e \ ar
_
n

I=1
A
I
_
=
n

I=1
\ ar (A
I
)
9.1.2 Coeciente de Correlao
Denition 23 Corr (A, 1 ) :=
cou(,Y )
c
X
c
Y
=
c
XY
c
X
c
Y
Propriedades
O Coeciente de Correlao adimensional
1 _ Corr (A, 1 ) _ 1
Corr (a
1
A +/
1
, a
2
1 +/
2
) =
_
Corr (A, 1 )
Corr (A, 1 )
, se a
1
a
2
0
, se a
1
a
2
< 0
9.2 Experana Condicional
Ou valor experado condicional, expectativa condicional, expectncia condicional,
ou ainda, mdia condicional.
Denition 24 1 [1 [r] :=
1
_
1
j)
Y j
(j[r) dj, ou, no caso discreto, 1 [1 [r] :=
n

=1
j

)
Y j
(j

[r).
Note que 1 [1 [r] um nmero real, enquanto 1 [1 [A] uma varivel aleatria
que funo da varivel aleatria A.
Propriedades
1 [q (A) [A] = q (A), para qualquer funo q (A)
1 [a (A) 1 +/ (A) [A] = a (A) 1 [1 [A] +/ (A)
Se A e 1 so independentes, ento 1 [1 [A] = 1 [1 ]
9
1 [1 [A] = 1 [1 ] ento Co (A, 1 ) = 0 e portanto Corr (A, 1 ) = 0. Mas
note que isso no implica que A e 1 sejam independentes
Portanto se 1 [1 [A] = 0 ento 1 [1 ] = 0 e A e 1 so no correlacionados
Lei das Expectativas Iteradas: 1 [1 [1 [A]] = 1 [1 ]
generalizao da Lei das Expectativas Iteradas: 1 [1 [1 [A, 7] [A] = 1 [1 [A]
Se 1
_
1
2

< e 1
_
(q (A))
2
_
< ento 1
_
(1 1 [A])
2
[A
_
_ 1
_
(1 q (A))
2
[A
_
e 1
_
(1 1 [A])
2
_
_ 1
_
(1 q (A))
2
_
9.3 Varincia Condicional
Denition 25 \ ar (1 [A = r) := 1
_
1
2
[r

(1 [1 [r])
2
Note que \ ar (1 [A = r) um nmero real, enquanto que \ ar (1 [A) uma
varivel aleatria que funo da varivel aleatria A.
Se A e 1 so independentes, ento \ ar (1 [A) = \ ar (1 ).
10 A Normal e Distribuies Relacionadas
10.1 A Distribuio Normal
Denition 26 A varivel aleatria A dita seguir uma distribuio normal
(ou gaussiana) com mdia j e varincia o
2
(A~
_
j, o
2
_
) se sua pdf ) (r) =
1
p
2tc
c

(x)
2
2
2

, < r < .
Denition 27 Uma varivel aleatria 7~ (0, 1) dita seguir uma distribuio
normal (ou gaussiana) padro. Denotamos sua pdf por c(.) =
1
p
2t
c
h

z
2
2
i
, <
. < . E denotamos sua cdf por (.) = 1 (7 _ r).
Note que a pdf gaussiana simtrica (simtrica em torno de sua mdia j).
Como toda cdf, temos que 1 (7 .) = 1 (.), 1 (a _ . _ /) = (/)
(a) e 1 ([7[ c) = 1 (7 c) +1 (7 < c) = 21 (7 c) = 2 [1 (.)].
Denition 28 Duas ou mais variveis aleatrias so ditas iid se so indepen-
dentes e identicamente distribudas.
Propriedades
Se A~
_
j, o
2
_
ento 7 =

c
~ (0, 1)
Se A~
_
j, o
2
_
ento aA +/~
_
aj +/, a
2
o
2
_
10
A~
_
j

, o
2

_
e 1 ~
_
j
Y
, o
2
Y
_
so independentes se e somente se Co (A, 1 ) =
0
Seja A
1
, A
2
, ..., A
n
um conjunto de variveis aleatrias independentes
e seja \ =
n

I=1
a
I
A
I
, ento \ segue uma distribuio normal com mdia
1 [\] =
n

I=1
(a
I
1 [A
I
]) e varincia \ ar (\) =
n

I=1
_
a
2
I
\ ar (A
I
)

.
Seja A
1
, A
2
, ..., A
n
um conjunto de variveis aleatrias iid (A
I
~
_
j, o
2
_
\i),
ento a mdia amostral

A~
_
j,
c
2
n
_
(tem relao com lei dos grandes
nmeros e teorema do limite central).
uma distribuio normal completamente determinada por sua mdia e
varincia
duas variveis aleatrias que seguem distribuio normal so indepen-
dentes se, e somente se, so no correlacionadas
10.2 A Distribuio Chi-Quadrado
Denition 29 Seja A
1
, A
2
, ..., A
n
um conjunto de variveis aleatrias iid,
A
I
~ (0, 1) \i (normal padro). Ento dizemos que a varivel aleatria 7 :=
n

I=1
A
2
I
segue uma distribuio Chi-Quadrado com : graus de liberdade, e deno-
tamos por 7~
2
(n)
.
Propriedades
1 [7] = :
\ ar (7) = 2:
7 _ 0 e assimtrica direita
10.3 A Distribuio t
Denition 30 Sejam A ~ (0, 1) e 7~
2
(n)
variveis aleatrias independentes.
Ento T :=

_
Z
n
dita seguir uma distribuio t com : graus de liberdade.
Denotamos por T~t
n
.
Propriedades
possui as caudas mais pesadas que a distribuio normal
s possui valor esperado se : 1 e, neste caso, 1 [T] = 0
11
s possui varincia se : 2 e, neste caso, \ ar (T) =
n
n2
(o :-simo
momento s existe se : :)
simtrica
aproxima-se da distribuio normal quando o nmero de graus de liberdade
vai a innito
10.4 A Distribuio F
Denition 31 Sejam A
1
~
2
(n)
e A
2
~
2
(n)
vairveis aleatrias independentes.
Ento 1 :=
(
X
1
n
)
(
X
2
m
)
uma varivel aleatria que dita seguir uma distribuio 1
com (:, :) graus de liberdade. : chamado de graus de liberdade do numerador,
enquanto : chamado de graus de liberdade do denominador. Denotamos por
1~1
n,n
.
s vezes a denio aparece como 1 :=
(n1)
(n2)
. Mas mesmo assim (eviden-
temente), : ainda chamado de graus de liberdade do numerador, enquanto :
chamado de graus de liberdade do denominador. Cuidado.
Propriedades
1 _ 0 e assimtrica direita
Part III
Sumrio de lgebra Matricial
11 Denies Bsicas
Denition 32 Matriz (tensor de ordem 2) a representao de dados em uma
forma ordenada, bidimensional (retangular).
Pode ser vista como a generalizao de um vetor (tensor de ordem 1, forma
de ordenar dados em uma dimenso), que por sua vez a generalizao de um
escalar (tensor de ordem 0, um nmero). Existem tensores de ordem superior e
todo um conunto de regras algbricas chamada lgebra Tensorial.
Uma matriz :r: porssui : linhas e : colunas. Denotamos uma matriz
com uma letra maiscula, enquanto que seus elementos por letras minsculas.
Denotamos por a
I
um elemento genrico da i-sima linha e ,-sima coluna:
= [a
I
] =
_

_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
12
a
nn
_

_
12
Denition 33 Denotamos de Matriz Quadrada matriz cujo nmero de linhas
igual ao nmero de colunas.
Denition 34 Uma matriz 1r: chamada de um Vetor Linha. Enquanto
uma matriz :r1 chamada de um Vetor Coluna. Quando no for especicado
se um vetor linha ou coluna, assume-se, como padro, que seja coluna.
Denition 35 Uma Matriz Diagonal uma matriz quadrada tal que os ele-
mentos fora da diagonal principal so todos nulos, ou seja, i ,= , == a
I
= 0.
Denition 36 Matriz Identidade uma matriz diagonal (logo, quadrada) tal
que a
I
= c
I
, onde o delta de Kronecker c
I
uma funo denida por c
I
:=
_
1
0
, se i = ,
, se i ,= ,
. Denotamos por I
n
matriz identidade de ordem : (: linhas
e : colunas).
Denition 37 Matriz de Zeros tal que todos os elementos so nulos. Deno-
tamos por 0
nrn
.
12 Operaes com Matrizes
Denition 38 Sejam
nrn
= [a
I
] e 1
nrn
= [/
I
], ento (+1)
nrn
:=
[a
I
+/
I
]. Matrizes de dimenses distintas no podem ser somadas.
Denition 39 Seja c R e
nrn
= [a
I
], ento c
nrn
:= [ca
I
].
Denition 40 Sejam
nr|
= [a
I
] e 1
|rn
= [/
i
], ento (1)
nrn
:=
_
|

l=1
a
Il
/
li
_
.
Observaes
o nmero de colunas da matriz que pr-multiplica deve ser igual ao nmero
de linhas da matriz que ps-multiplica
produto matricial no , necessariamente, comutativo, e pode nem mesmo
estar denido
adio matricial, multiplicao por escalar e multiplicao matricial po-
dem ser agragados gerando as propriedades algbricas usuais, como asso-
ciatividade, transitividade, distributividade
Denition 41 Seja
nrn
= [a
I
], chamamos de Transposta de matriz

T
nrn
:= [a
I
].Tambm podemos denotar por
0
.
13
Propriedades
(
0
)
0
=
(c)
0
= c
0
(+1)
0
=
0
+1
0
(1)
0
= 1
0

0
se r um vetor linha ou coluna (1r: ou :r1) ento r
0
r =
n

I=1
r
2
I
. Chamamos
de mdulo quadrado de r ou de quadrado da norma de r. o produto
interno de r com ele mesmo
Se
nrn
=
_

_
a
1
a
2
.
.
.
a
n
_

_
, a
I
vetor linha com:colunas, ento
0
= (a
0
1
, a
0
2
, ..., a
0
n
)
Sejam
nrn
=
_

_
a
1
a
2
.
.
.
a
n
_

_
, a
I
vetor linha com:colunas e 1
nrl
=
_

_
b
1
b
2
.
.
.
b
n
_

_
, b
I
vetor linha com | colunas, ento
0
1 =
n

|=1
a
0
|
b
|
. Note que a
0
|
b
|
uma
matriz :r|, ou seja,
0
1 pode ser escrita como a soma de n matrizes :r|
(observe que essa propriedade bem geral, vale para qualquer matrizes

nrn
e 1
nrl
). Como caso particular, temos que
0
=
n

|=1
a
0
|
a
|
, onde
a
0
|
a
|
uma :r:
Denition 42 Dizemos que a matriz quadrada
nrn
= [a
I
] Simtrica se

0
= , ou seja, [a
I
] = [a
I
].
Propriedades

0
simtrica (logo quadrada) e sempre est denida, mesmo que no
seja nem quadrada
Denition 43 Chamamos de Trao de uma matriz quadrada
nrn
= [a
I
]
soma dos elementos de sua diagonal principal, tr () :=
n

I=1
a
II
.
14
Propriedades
tr (I
n
) = :
tr (
0
) = tr ()
tr (+1) = tr () +tr (1)
tr (c) = ctr () \c R
tr (1) = tr (1) desde que 1 seja :r: se e somente se for :r:
(seno um dos produtos no est denido)
Denition 44 Chamamos de Matriz Inversa da matriz quadrada
nrn
, ma-
triz
1
tal que
1
=
1
= I
n
. Se existe a matriz inversa de , dize-
mos que invesvel ou no-singular, caso contrrio dizemos que ela no-
inversvel ou singular.
Propriedades
(c)
1
=
1
o

1
se c ,= 0 e se inversvel (logo tambm quadrada)
se a inversa de uma matriz existe, ela nica
(1)
1
= 1
1

1
se e 1 so inversveis
(
0
)
1
=
_

1
_
0
13 Independncia Linear: Posto (Rank) de uma
Matriz
Denition 45 Dizemos que os vetores x
1
, x
2
, ..., x
n
so Linearmente Inde-
pendentes (LI) se, e somente se, c
1
x
1
+c
2
x
2
+... +c
n
x
n
= 0 == c
1
= c
2
=
... = c
n
= 0. Caso contrrio, dizemos que os vetores so Linearmente Depen-
dentes (LD), o que implica que ao menos um dos vetores pode ser escrito como
combinao linear dos demais.
Denition 46 Posto de uma matriz
nrn
, denotado por ra:/ (), o mximo
nmero de colunas linearmente independentes de . Se todas as colunas de
so linearmente independentes, dizemos que tem Posto Cheio.
Propriedades
ra:/ (
0
) = ra:/ ()
ra:/ (
nrn
) _ min:, :
se ra:/ (
|r|
) = / ento inversvel
15
14 Formas Quadrticas
Denition 47 Seja
|r|
uma matriz quadrada e simtrica. A Forma Quadrtica
associada a matriz uma funo real denida para todo vetor x
|r1
: ) (x) :=
x
0
x =
|

I=1
a
II
r
2
I
+ 2
|

I=1

,I
a
I
r
I
r

.
Denition 48 A matriz simtrica
|r|
dita Positiva Denida (p.d.) se
x
0
x 0\x ,= 0, vetor /r1.
Denition 49 A matriz simtrica
|r|
dita Positiva Semi-Denida (p.s.d.)
se x
0
x _ 0\x, vetor /r1.
Propriedades
uma matriz positiva denida tambm positiva semi-denida (o converso
no verdade)
uma matriz p.d. ou p.s.d. simtrica (logo, quadrada)
todos os elementos da diagonal principal de uma matriz p.d. so estrita-
mente positivos, enquanto que os de uma matriz p.s.d. so no-negativos
se p.d. ento
1
existe e p.d.

0
e
0
so p.s.d.
se tem posto cheio ento
0
e
0
so p.d. (logo no-singulares)
15 Matrizes Idempotentes
Denition 50 Uma matriz simtrica
nrn
dita Idempotente se, e somente
se, = .
Propriedades
se idempotente, ento ra:/ () = tr ()
se idempotente, ento p.s.d.
se
nr|
uma matriz qualquer, ento 1 := (
0
)
1

0
e ' := I
n
1 =
I
n
(
0
)
1

0
so idempotentes, ra:/ (1) = / e ra:/ (') = : /
16
16 Diferenciao de Formas Lineares e Quadrti-
cas
Propriedades
seja ) (x) := a
0
x, onde a e x so vetores :r1. Ento
J}(x)
Jx
= a
0
, que um
vetor 1r:
para uma matriz simtrica
|r|
, dena a forma quadrtica q (x) = x
0
x.
Ento
J(x)
Jx
= 2x
0
, que um vetor 1r:
17 Momentos e Distribuies de Vetores Aleatrios
Denition 51 Um Vetor Aleatrio nada mais que um vetor de variveis
aleatrias.
Denition 52 Seja y um vetor aleatrio :r1. O Valor Esperado (ou esper-
ana, expectncia, ou ainda mdia populacional) um vetor de valores es-
perados 1 [y] := (1 [j
1
] , 1 [j
2
] , ..., 1 [j
n
])
0
. Se 7
nrn
uma matriz aleatria,
1 [7] := [1 [7
I
]].
Propriedades
sejam
nrn
e b
nr1
no aleatrios, ento 1 [y +b] = 1 [y] +b
sejam
nrn
e 1
rj
no aleatrias, ento 1 [71] = 1 [7] 1
Denition 53 Se y um vetor aleatrio :r1, ento a Matriz de Varincia-
Covarincia \ ar (y) :=
_

_
o
2
1
o
12
o
1n
o
21
o
2
2
o
2n
.
.
.
.
.
.
.
.
.
.
.
.
o
n1
o
12
o
2
n
_

_
. Tal que o
2
I
= \ ar (j
I
) e
o
I
= Co (j
I
, j

)
Propriedades
como o
I
= o
I
ento \ ar (y) uma matriz simtrica
\ ar (a
0
y) = a
0
\ ar (y) a _ 0\a vetor :r1
\ ar (a
0
y) = a
0
\ ar (y) a 0\a ,= 0
das duas propriedades acima, segue que \ ar (y) uma matriz positiva
denida
\ ar (y) = 1
_
(y 1 [y]) (y 1 [y])
0

17
se os elementos de y so no correlacionados, ento \ ar (y) uma matriz
diagonal. Alm disso, se \ ar (j

) = o
2
\,, ento \ ar (y) = o
2
I
n
sejam
nrn
e b
nr1
no aleatrios (ou determinsticos), ento \ ar (y +b) =
[\ ar (y)]
0
Denition 54 Seja y
nr1
um vetor aleatrio que segue uma distribuio Normal
Multivariada y ~ (, ). Ento cada j
I
segue uma distribuio normal com
1 [j
I
] = j
I
, \ ar (j
I
) =
II
e Co (j
I
, j

) =
I
.
Propriedades
sejam
nrn
e b
nr1
no aleatrios e seja y
nr1
~ (, ), ento y +
b~ ( +b,
0
)
sejam
nrn
e 1
nrn
no aleatrias e seja y
nr1
~ (0, ), ento y e
1y so independentes se, e somente se, 1
0
= 0, no caso particular
de = o
2
I
n
ento 1
0
= 0 condio necessria e suciente para a
independncia de y e 1y
sejam
nrn
e 1
nrn
no aleatrias, 1
nrn
simtrica e idempotente, e seja
y
nr1
~
_
0, o
2
I
n
_
, ento y e y
0
1y so independentes se, e somente se,
1 = 0
sejam
nrn
e 1
nrn
matrizes no aleatrias, simtricas e idempotentes, e
seja y
nr1
~
_
0, o
2
I
n
_
, ento y
0
y e y
0
1y so independentes se, e so-
mente se, 1 = 0
seja y
nr1
~ (0, I
n
), ento y
0
y~
2
n
(y
0
y =
n

I=1
j
2
I
, j
I
normal padro, inde-
pendente de j

, , ,= i)
seja y
nr1
~ (0, I
n
) e seja
nrn
uma matriz determinstica, simtrica e
idempotente com ra:/ () = , ento y
0
y~
2
j
seja y
nr1
~ (0, I
n
) e sejam
nrn
e 1
nrn
matrizes determinsticas, simtri-
cas e idempotentes tais que 1 = 0 ento y
0
y e y
0
1y so variveis
aleatrias independentes que seguem distribuio chi-quadrado
seja y
nr1
~ (0, ),
nrn
uma matriz no singular, ento y
0
C
1
y~
2
n
seja y
nr1
~ (0, I
n
), seja c
nr1
um vetor determinstico e seja
nrn
uma
matriz determinstica, simtrica e idempotente com ra:/ () = , com
c = 0, ento
c
0
y
p
c
0
c
p
y
0
.y
~t
j
seja y
nr1
~ (0, I
n
) e sejam
nrn
e 1
nrn
matrizes determinsticas, simtri-
cas e idempotentes com ra:/ () = /
1
e ra:/ (1) = /
2
tais que 1 = 0
ento

y
0
Ay
k
1

y
0
By
k
2

~1
|1,12
18