ESTATSTICA MULTIVARIADA

Aluna: Vanessa Souza dos Santos

Primeira Lista de Exerccios

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,

respectivamente. Mostre que


(i) X Np

1
,
n

(ii) (n 1)S Wishart(, n 1)

(iii) X e S so independentes

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 ).

(ii) (n 1)S Wishart(, n 1)

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

distribuio de Wishart, W Wishart(, n 1). Como S =

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 .

Dena Y1 = X e Y2 = Xi X. Atravs da funo caracterstica, queremos vericar se

Y1 ,Y2 (t1 , t2 ) = Y1 (t1 )Y2 (t2 ), ento Y1 e Y2 so independentes. Demonstrao:




Y1 ,Y2 (t1 , t2 ) = E exp it01 X + it02 Xi X



= E exp it01 X + it02 Xi it02 X



= E exp it02 Xi + i(t01 t02 )X
"
(
)#
n
X
= E exp it02 Xi + i(t01 t02 )
Xi
i=1

"

)#
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

Sabe-se que Xi Np (, ). Agora, basta encontrar a distribuio de T =

j6=i

Xj , onde

aplicando a denio da funo caracterstica, temos

"

T (t) = E [exp {it0 T}] = E exp it0

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 ).

est em funo de S, Y1 ,Y2 (t1 , t2 ) = X (t1 )Xi X (t2 ), ento X e S so

3

independentes.

Exerccio 2. Encontre o EMV para N p(, ).

Resoluo
Seja X1 , X2 , . . . , Xn vetores aleatrios identicamente distribudos com Xi Np (, ). Ento a funo de densidade da seguinte forma


1
1
0 1
fX (x) =
exp (Xi ) (Xi )
(2)p/2 ||1/2
2

A funo de verossimilhana da seguinte forma

n
Y



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

A funo de log-verossimilhana dada por

n

np
n
1X
l(, |x) = log(2) log ||
(Xi )0 1 (Xi )
2
2
2 i=1

Resolvendo a forma quadrtica:

Pn

i=1

(Xi )0 1 (Xi ) =

Pn

i=1

X0i 1 Xi 2

Pn

i=1

0 1 Xi +

Pn

i=1

0 1 .

Dos seguintes resultados:

x0 b
b0 x
=
= b e
x
x

x0 bx
= (b + b)0 x
x

(1)

Portanto, para encontrar o estimador de mxima verossimilhana para , basta derivar a

funo de log-verossimilhana, usando as propriedades em (1), em que segue
X
X
l(, |x)
= 21
Xi + 21
=0

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

Para encontrar o estimador de mximo verossimilhana para , usamos o resultado 4.10 do

livro do Jhonson-Wichten (1992), em que dado uma matriz B(pp) e um escalar b > 0, segue
que

1 tr(1 B)
1
e

(2b)pb ebp
b
||
|B|b

para pp positiva e denida, ento =

L(, |x) =

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

para = X, temos que o termo da forma quadrtica da funo de verossimilhana se reh

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

Exerccio 3. Vericar que X e S =

n1

so estatstica sucientes para = (, ).

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

Segundo Mardia (1979), dizemos que a estatstica T = (X, S) suciente para = (, ) se

a L(, |x) pode ser fatorada como
L(, |x) = g(T; )h(X)

(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 )

No entanto, a funo de verossimilhana dada por

1

L(, |x) =

(2)np/2 ||n/2



(n 1)
n
0 1
1
exp
tr [ S] + (X ) (X )
2
2

Podemos notar que

g(T; ) =

1
(2)np/2 ||n/2



(n 1)
n
0 1
1
exp
tr [ S] + (X ) (X )
2
2

e
h(X) = 1

Ento, pelo Teorema da Fatorao X e S =

n1

so estatstica sucientes para = (, ).

Exerccio 4. Encontre os EMV atravs do algortimo EM para t(, , ).

Vericao
Considere Y = (Y1 , Y2 , . . . , Yn )0 vetores aleatrios e Z = (Z1 , . . . , Zn )0 . Dena: Yi |Z =
z Np (, z 1 )

Z gama(/2, /2). A densidade conjunta para yc = (y0 , z0 ) ou dados

completos, obtida atravs da expresso

6

f (yc ) = f (y, z) = f (y|z)f (z)

) "
/2 #n n
)
(
(
n
n
v
Y 1
X
1
1X

zi (yi )> 1 (yi ) 2

zi2 exp
zi
=

np
n exp
2 i=1
( 2 )
2 i=1
(2) 2 || 2
i=1

A funo de log-verossimilhana para dados completos yc = (y0 , z0 ).

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)

onde conter a0 com probabilidade 1 .

Vericao
Usando o lema: Seja Bpp uma matriz positiva e denida e dp1 um vetor. Ento

atingindo o mximo quando xp1

(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

Ento, podemos ter o intervalo

1
(a0 x a0 )2 c2 a0 Sa
n

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

, pela equao (5.6) (Johnson & W ichern, 1992).

Exerccio 7. Seja ....

Seja = m[d> M1 d(d> d)]d> d.
Pelo teorema 3.4.7, temos
d> d
2mp+1
d> Md

e pelo teorema 2.5.2,

d> d 2p

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