Escolar Documentos
Profissional Documentos
Cultura Documentos
Exerccio 1. Mardia et al (1979, pag 69). Sejam X1 , X2 , . . . , Xn vetores aleatrios iid com
Xi Np (, ), onde e o vetor de mdia e a matriz de covarincia populacional,
1
,
n
Vericao
(i) Vamos encontrar a distribuio de X atravs da funo caracterstica de acordo com
resultado 3.1.2 (Mardia, 1979), onde Xi tem funo caracterstica dada por Xi (t) = exp{it0
1 0
t t}
2
. Assim,
X (t) =
=
=
=
=
iid
n 0 o
E eit X
n 0 1 Pn
o
n 01
o
o
n 01
01
01
E eit n ( i=1 Xi ) = E eit n (X1 +X2 +...+Xn ) = E eit n X1 +it n X2 +...+it n Xn
n 1 0
o
n 1 0 o n 1 0 o
n 1 0 o
1 0
1 0
indep
E ei n t X1 ei n t X2 . . . ei n t Xn
= E ei n t X1 E ei n t X2 . . . E ei n t Xn
1
1
1
t X2
t . . . Xn
t
X1
n
n
n
1 0
1 0
1 0
1 0
1 0
1 0
exp i t 2 t t exp i t 2 t t . . . exp i t 2 t t
n
2n
n
2n
n
2n
1 0
1 0
1 0
1 0
1 0
1 0
exp i t 2 t t + i t 2 t t + . . . + i t 2 t t
n
2n
n
2n
n
2n
n n
o
n
1
1
exp i t0 2 t0 t = exp it0 t0
t
n
2n
2
n
Portanto, pelo resultado 3.1.2 (Mardia 1979), temos que X (t) a funo caracterstica de
X Np (, n1 ).
Vericao
0
Xi X 1 Xi X
Pn
Pn
1
0
0
Dena: Zi = Xi X , tal que S = n1
i=1 Zi Zi , em que
i=1 Zi Zi . Fazendo W =
Seja Xi Np (, ) e S =
1
n1
Pn
i=1
iid
Z1 , Z2 , . . . , Zn Np (0, ), pela denio 3.4.1 (Mardia, 1979), ento dizemos que W tem
1
W
n1
, ento (n 1)S
Wishart(, n 1).
(iii) Vericao
Seja X =
1
n
Pn
i=1
Xi e S =
1
n1
Pn
i=1
Xi X
1 Xi X .
"
)#
n
X
1
1
= E exp it02 Xi + i (t01 t02 )Xi + i (t01 t02 )
Xj
n
n
j6=i
)#
"
(
n
X
1
1
Xj
= E exp i t02 + (t01 t02 ) Xi + i (t01 t02 )
n
n
j6=i
"
(
)#
n
X
1
1
= E exp i t02 + (t01 t02 ) Xi exp i (t01 t02 )
Xj
n
n
j6=i
j6=i
Xj , onde
n
X
j6=i
)#
Xj
h 0
i
= E eit (X1 +X2 +...+Xi1 +Xi+1 +...+Xn )
i
i
h 0
h 0
it0 Xi1 it0 Xi+1
it0 Xn
it X1 it0 X2
it X1 +it0 X2 +...+it0 Xi1 +it0 Xi+1 +...+it0 Xn
...e
e
...e
e
=E e
=E e
h 0
i h 0
i
h 0 i
h 0 i h 0 i
indep
= E eit X1 E eit X2 . . . E eit Xi1 E eit Xi+1 . . . E eit Xn
= X1 (t) X2 (t) . . . Xi1 Xi+1 . . . Xn (t)
1 0
1 0
1 0
1 0
0
0
0
0
= exp it t t . . . exp it t t exp it t t . . . exp it t t
2
2
2
2
1
1
1
1
= exp it0 t0 t + . . . + it0 t0 t + it0 t0 t + . . . + it0 t0 t
2
2
2
2
1
= exp i(n 1)t0 t0 (n 1)t .
2
logo observando o ncleo da funo T (t), obtemos que T Np ((n 1), (n 1)).
No entanto,
"
Y1 ,Y2 (t1 , t2 ) =
=
=
=
=
=
=
Como Xi X
(
)#
n
X
1
1
E exp i t02 + (t01 t02 ) Xi exp i (t01 t02 )
Xj
n
n
j6=i
)#
(
"
n
X
1 0
1 0
0
0
0
E exp i t2 + (t1 t2 ) Xi E exp i (t1 t2 )
Xj
n
n
j6=i
1
1
Xi t2 + (t1 t2 ) T
(t1 t2 )
n
n
0
1
1
1
1
exp i t2 + (t1 t2 )
t2 + (t1 t2 ) t2 + (t1 t2 )
n
2
n
n
0
1
1
1 1
exp i
(t1 t2 ) (n 1)
(t1 t2 ) (n 1)
(t1 t2 )
n
2 n
n
1
1
11 0
11 0
11 0
1
exp it02 i t02 + i t01 t02 t2
t1 t2 +
t2 t2
t t1
n
n
2
2n
2n
2n 2
1 1
1 1 0
11 0
1 1 0
1 1 0
1
2 t01 t1 +
t1 t2 +
t2 t2 +
t2 t1
t2 t2 + it01 i t01
2
2
2
2n
2n
2n
2n
2n
n
1
1
1
1
1
1
1
1
1
1
1
it02 + i t02
t0 t1 +
t0 t1 +
t0 t2
t0 t2 +
t0 t1
n
2n 1
2 n2 1
2n 1
2 n2 1
2n 2
11 0
1 1 0
1 1
2 t02 t1
t2 t2 +
t t2
2n
2n
2 n2 2
1 0
11 0
11 0
0
exp it1 t2 t2
t t1 +
t t2
2
2n 1
2n 2
11 0
n1 0
11 0
n1 0
0
0
exp it1
t t1 +
t t2 = exp it1
t t1 exp
t t2
2n 1
2n 2
2n 1
2n 2
X (t1 )Xi X (t2 ).
independentes.
1
1
0 1
L(, |x) =
exp (Xi ) (Xi )
(2)p/2 ||1/2
2
i=1
(
)
n
1
1X
0 1
=
exp
(Xi ) (Xi )
(2)np/2 ||n/2
2 i=1
np
n
1X
l(, |x) = log(2) log ||
(Xi )0 1 (Xi )
2
2
2 i=1
i=1
(Xi )0 1 (Xi ) =
Pn
i=1
X0i 1 Xi 2
Pn
i=1
0 1 Xi +
Pn
i=1
0 1 .
x0 bx
= (b + b)0 x
x
(1)
i=1
i=1
n
21
n
X
Xi + 21 n = 0
i=1
n
X
Xi + n = 0
i=1
1X
b=
Xi
n i=1
1 tr(1 B)
1
e
(2b)pb ebp
b
||
|B|b
1
(2)np/2 ||n/2
1
B
2b
(2)
. Portanto,
"
n
X
exp tr 1
Xi X
Xi X
!#)
+ n(X )(X )0
i=1
duz a expresso tr 1
assumimos que B =
P
Pn
i=1
0 i
Xi X Xi X
, assim observando a expresso em (2),
0
Xi X Xi X e fazendo b = n2 . Ento
n
i=1
b =
1 X
Xi X X i X
2(n/2) i=1
X
0
b = 1
Xi X Xi X .
n i=1
b o estimador de maxima verossimilhana para .
onde
n1
Vericao
Seja X1 , X2 , . . . , Xn vetores aleatrios identicamente distribudos com Xi Np (, ). A
funo de verossimilhana
L(, |x) =
1
(2)np/2 ||n/2
)
n
1X
0 1
exp
(Xi ) (Xi )
2 i=1
(Teorema da Fatorao)
5
onde g uma funo que depende de T e e h uma funo que s depende da amostra X.
Portanto, desenvolvendo a forma quadrtica:
n
X
n
X
(Xi ) (Xi ) =
(Xi + X X)0 1 (Xi + X X)
0
i=1
i=1
n
X
=
(Xi X + X )0 1 (Xi X + X )
i=1
n
X
Xi X
Xi X
i=1
n
X
Xi X
1 (X )
i=1
n
X
(X )0 1 Xi X
+ n(X )0 1 (X )
i=1
n
X
Xi X
1 Xi X
+ n(X )0 1 (X )
i=1
"
= tr 1
n
X
Xi X
Xi X
#
+ n(X )0 1 (X )
i=1
= (n 1) tr [1 S] + n(X )0 1 (X )
L(, |x) =
(2)np/2 ||n/2
(n 1)
n
0 1
1
exp
tr [ S] + (X ) (X )
2
2
1
(2)np/2 ||n/2
(n 1)
n
0 1
1
exp
tr [ S] + (X ) (X )
2
2
e
h(X) = 1
n1
np
n exp
2 i=1
( 2 )
2 i=1
(2) 2 || 2
i=1
Exerccio 5. ...
Exerccio 6. Mostre o resultado 5.3 livro (Johnson & Wichern, 1992).
Resultado 5.3 (Johnson-Wichern, 1979, pg 225). Seja X1 , X2 , . . . , Xn amostras aleatrias
com Np (, ), positiva denida. Ento, para todo a, temos o intervalo simultneo
s
a0 X
p(n 1)
Fp,np ()a0 Sa;
n(n p)
a0 X +
p(n 1)
Fp,np ()a0 Sa
n(n p)
Vericao
Usando o lema: Seja Bpp uma matriz positiva e denida e dp1 um vetor. Ento
(x0 d)2
= d0 B1 d , x 6= 0
x0 Bx
= cB1 d para alguma constante c 6= 0. Assim, tomando
max
x = a, d = (x ), e B = S, temos
max
n(a0 (x ))2
a0 Sa
= n max
(a0 (x ))2
a0 Sa
= n(x )0 S1 (x ) = T 2
Portanto,
T 2 = n(x )0 S1 (x ) c2
n(a0 x a0 )2
a0 Sa
c2
1
c2 a0 Sa a0 x a0
n
r
c2
1 0
a Sa
n
a0 x c
Sabendo que c2 =
p(n1)
F
()
n(np) p,np
1 0
a Sa a0 a0 x + c
n
1 0
a Sa
n
Portanto,
d> d
p
d> d
d> Md
Fp,mp+1
mp+1
d> d m p + 1
d> d m p + 1 >
=
d Md
d> d
p
p
d> d
d> Md
=
mp+1 >
d Md Fp,mp+1
p
= d> Md
p
Fp,mp+1
mp+1
= md> Md
= T 2 =
(m)
mp
Fp,mp+1
mp+1
mp
Fp,mp+1
mp+1