Академический Документы
Профессиональный Документы
Культура Документы
Econometria
Aspectos Introductórios: Algebra Linear & Estatística Básica Variáveis
Aleatórias
Ornelle Nhaca
Vectores
A qualquer array de x de n dados que compoem uma variável x1 , x2 , ..., xn é
designado por vector, e pode ser escrito sob forma
x1
x2
0
x = . ou x = x1 , x2 , · · · , xn
..
xn
0
onde x é designado vector transposto a coluna de x
Determinante (Generalização)
Se A é uma matriz (n × n), então o número obtido apartir do producto das
entradas de cada linha ou coluna de A pelo respectivo cofator??
adicionado os mesmos é designado cofator e suas somas chamadas
expanção cofatorial
Matrix Inversa
A condição fundamental da existência do inverso de um número (a−1 ), de
tal forma que a−1 a = aa−1 = 1 se a 6= 0, conceito igual ao da existência de
matriz inversa: Seja B tal que
B × |{z}
|{z} A × |{z}
A = |{z} B = I (identidade)
(k×k) (k×k) (k×k) (k×k)
−1
então B é chamada matriz inversa de A de é denotada por A
Autovalores e Autovectores
Seja A, uma matriz quadrada, qualquer vector x não nulo de Rn é chamado
de autovector de A (ou operador matricial TA ), se Ax é um escalar
multiplicado por x, de tal modo que
Ax = λx
SVD
Seja A uma matrix m × n, de tal mod que A seja expressado como
PR 0
A = UΣV T = r =1 λi ui vi
Notas:
V = v1 v2 · · · vn diagonal ortogonal de AT A
√ √ √
Diagonal não negativa de Σ é σ1 = λ1 , σ2 = λ2 , · · · , σk = λk
onde λ1 , λ2 , · · · , λk são os autovalores não nulos de AT A
correspondente a coluna de vectores de V, com variâncias positivas a
crescer de 1 a k
Avi 1
ui = = Avi (i = 1, 2, · · · , k)
kAvi k σi
Ornelle Nhaca (UEM/DMI) Aula Teórico/Prática #1 Licenciatura em Estatística 9 / 22
Decomposição de Valores Singulares (Exemplo)
Encontre a decomposição de valores singulares para a matrix
1 1
0 1
1 0
v1 = √2
2
e v2 = √
2 2
−
2 2
os autovectores de λ1 e λ2 , respectivamente, e V = [v1 |v2 ], procedendo com o
cálculo de u1 e u2 se têm
√
6 1
3 0 − √ √ √2 √
3 2
√ √
1 1 6 3 0
2 1 2 2
0 1 =
− −√ 0 1 √ √
6 2 2
√2
3
1 0 √ 0 0 −
6 2 1 2 2
−√
Ornelle Nhaca (UEM/DMI) 6 2Aula Teórico/Prática
3 #1 Licenciatura em Estatística 10 / 22
SVD - Exemplo 2
0
Cálculo dos autovalores e os respectivos autovectores de AA
0
Cálculo dos autovalores e os respectivos autovectores de A A
0 0
Proceder com o cálculo dos productos matriciais A Av1 e A Av2
√1 √1
! !
√ 1 2 1
√
√2 √1
SVD(A) = 12 √1 2 √ √ √ + 10 2 − 0
2
6 6 6 − √12 5 5
A Matriz Amostral
Seja a matriz (n × p ), ao conjunto de elementos (dados) em p variáveis
desiguinar-se-á matriz amostral
x11 x12 · · · x1p
x21 x22 · · · x2p
X = . .. ..
|{z} .. . . · · ·
(n×p)
xn1 xn2 · · · xnp
X = −1 3 K = 4 1 6
3 5 4 0 4
Média:
4−1+3
2
x̄ = 3 =
1+3+5
3 3
Média corrigida ou matriz dos desvios: (??)
k1i − k̄
−2 1 0
0
k2i − k̄
1 |{z}
K − |{z} k̄ = . = 1 0 1
..
1 −1 −1
|{z}
(n×p) (n×1) (1×p)
kni − k̄
Nota: Desde que d1 = d2 = · · · = dn a matriz dos desvios é de rank não
0 0 0
completo (??) e para o mesmo caso se têm |S|= |(K − 1k̄ ) (K − 1k̄ )|= 0
Ornelle Nhaca (UEM/DMI) Aula Teórico/Prática #1 Licenciatura em Estatística 14 / 22
Cont...
As medidas amostrais podem ser generalizadas de tal forma que se têm
1 0
x̄ = X 1 (2)
n
1 0 1 0
S = X (I − 11 )X (3)
n−1 n
Desde que se tenha S, pode-se então se ter a matriz de correlações
amostrais R
1
Passo 1: Seja denida p × p a matrix de desvios padrão D2 e calcular a
1 1
sua inversa, (D 2 )( − 1) = D− 2
√
0 0
s11 ···
√
1
0 s22 ··· 0
D2 = . .. ..
|{z} .. . . ···
(p×p) √
0 0 ··· spp
Se têm
1 1 1 1
R = D− 2 SD− 2 e por permutções matriciais S = D 2 RD 2
Ornelle Nhaca (UEM/DMI) Aula Teórico/Prática #1 Licenciatura em Estatística 16 / 22
Códigos em R para Aplicação
Reminder!!!
Pn
µX = E (X ) = i=1 xi P(xi )
I E (X ± Y ) = E (X ) ± E (Y )
I E (X ± k) = E (X ) ± k
σ2X = V (X ) = E (X 2 ) − [E (X )]2
I V (X ± Y ) = V (X ) ± V (Y ) + 2COV (X , Y ) (??)
Ornelle Nhaca (kX
I V ) = k 2 V (X )
(UEM/DMI) Aula Teórico/Prática #1 Licenciatura em Estatística 18 / 22
Cont...
Reminder!!!
R +∞
µX = E (X ) = −∞ xf (x)dx
σX2 = V (X ) = E (X 2 ) − [(E (X )]2 , onde E (X 2 ) = x 2 f (x)dx
R +∞
−∞
Remider!!!