Académique Documents
Professionnel Documents
Culture Documents
Zp 20 y autovectores + dp, entonces Q es maxima para el miximo valor de 2 con la xix= 1. Es decir: Q=¥ Ax=xAxmAxx- A; o1. Obsérvese que: |A|=1; (A) =p =2 I-40 -an= =(-ayl-2)=0) == anana' 2 =d-al-ay=0 Bema aa[! O] gowarcajen ono‘ snot Broo al! honesty xan Obsérvese que: |B|=0; (B)=1 NOCIONES BASICAS DE ALGEBRA DE MATRICES a1 Beate '4 -1=AA-2)=0; 4, =2; 4, =0. -1 Las formas cuadriticas tienen muchos usos en el andlisis multivariante 4. Vectores y estadisticos icos descriptivos pueden expresarse mediante vectores. La sume Ia forma matricial de algunos estadisticos y de las an su céleulo: Estadistico Forma matricial Media xe, . vx" 1 n ” Puntuacionesdiferenciles x, = X,—-X x Verianza ste] py? : nl Desviacign tipica se | pe nl Covarianza, sy-lsxy, ,- xty= | Ie ep Soe Rebel Correlacién fy = a Bt a apr a Ey Eyi eng bey Matriz de covarianzas s= loxx n-1 Matiz de varianzas Berets [no Matriz de L ot =xp"? =3{ puntuacion 00 Matriz de 1 correlaciones (Zeer soe S y R son matrices gramianas pues se basan en sumas de cuadrados y productos eruzados.2 FUNDAMENTOS DE LAS TECNICAS MULTIVARIANTES Las matrices § y R se relacionan mediante las siguientes formulas: R=pD“sp”? S=p'*RD"? (16) é es una matriz regular, las Como $ y R son cuadradas y simétricas y D' es una matriz regular, matrices $ y R son equivalentes. Ello implica que r(S) = r(R). lel cielo de Fjemplo 25: A continaacién se preseia un cjemplo det Cuanza la colin para dos variables medida en tes sje __Sweto 7 T 3 6 2 5 6 3 10 2 nm) 24 ,|[x:) 6.10¥4.90) CorrelaciSn: =0.96 NOCIONES BASICAS DE ALGEBRA DE MATRICES. 2B Matiz coe mepreane ete le arhalslose 5. Combinaciones lineales Las técnicas multivariantes se formulan mediante combinaciones lineales por lo que es necesario comprender su definicién y propiedades. ‘Considérese la siguiente combinacién lineal: yoXa La variable aleatoria y es una transformacion o combinacin lineal de X mediante a, Donde a = (ay, ... ap] es un vector de constantes, X una matriz de puntuaciones dem sujetos en p variables (siendo psu vector de medias). La media y varianza dey es: EQ)sHa Vary) = 1 1 YO = yoy Aa a) = aX na) XIXa = a's a7 ‘A continuscién se presenta un ejemplo para ilustrar la férmula caso en gue p=2: ‘Var (Xi a, +X; as) = Var (Xa) + Var (X33) +2 Cov (Xi a, 43 3) = = ay" Var (Xi) + a3! Var (3) +2.a, a3 Cov (Xi, X3) IN) enel Como se observa, la varianza de una combinacién lineal ¢s tna forma ‘cuadritica. En el caso en que a fuese un vector normalizado (donde aa = 1), la varianza de y queda como: Var(y)=a' Saal haa Las ecuaciones de (1.17) pueden generalizarse al caso ¥=X A. Donde A ¢s una maiz de constantes de orden np, y la media y varianza de Yes. EQ=n'A Ver (A'S A (1.18) A continuacién se comentan algunas propiedades de las matrices S y R. En primer lugar ambas son semidefinidas positivas. Puesto que toda varianza hha de ser no negativa: Var(Xa)20 para todo a"4 FUNDAMENTOS DE LAS TECNICAS MULTIVARIANTES ‘omo Var (X a)=a! Sa, entonces S tiene que ser, al menos, semidefinida ‘positiva, § y R son matrices equivalentes pues en las formulas que las relacionan en la matriz D!? es regular. Por tanto, R también es semidefinida ps En segundo lugar, puesto que las matrices S y R son equivalentes, el rango de § es el mismo que el de R. Este rango puede ser menor o igual que p.Sir(S)=p, entonces S y R serin definidas positivas pues Var (X a) = al S ‘2 es mayor que cero para todo a 0. Sin embargo, si r(S)
| 1 3 PRINTA 25 [END MATRIX. END MART ‘Como se observa, para definir Ia matriz A se ha utilizado el comando COMPUTE y para que muestre los resultados el comando PRINT. tinuacién, se muestran algunos comandos para obtener operaciones inversa, el determinante y la traza de la MATRIX fon WATAIK procedures 7 “Lo COMPUTE A= 28 COMPUTE 8 5 COMPUTE © =INV (A) ee PRINTA 7 PRINT @ ale. y PRINT C Eis PRINT DET (a) PRINT TRACE (a) pera END MATRIX rence ay ‘Los comandos de las operaciones ms usuales con matrices se resumen en el siguiente cuadro:6 FUNDAMENTOS DE LAS TECNICAS MULTIVARIANTES Valine abolies dlr domortor de Ts mari R ‘Autonoe de la matic is smd) Antweons desma ai indica Gran ma matic de orden 9X p Tec dela mati A (Gro a mat doo x1 com fo es mega a¢ Gra ana mati agonal on coments el ctor ‘Masi domets dele matic, Minimo coment del mati ‘Matric de wma decneraes de seme de Ned ilias de le mat Neab fla de la match Rang dela mari Sena deo omens ek mar A. Selcin al scemade ecco laces AX = (cil Al #0) Rae nada delenit del mai Stas dent y prod crate debe cen de raged a matic TTRANSPOS (A) Trapt dela mag A ‘A continuacién se muestran ejemplos de algunas operaciones con ‘matrices (suma, producto, determinante y rango) NATROX on HATRIK proceauses a a2 as 2 aa a7 + ae 72 > PRINT A, ae PRINTS. a PRINT C. : PRINT O. a PRINTE 23 4a PRINT ? PRINT DET (A) aon PRINT RANK (A) 343 periay END MATRIX. ue AWAY ONES BASICAS DE ALGEBRA DE MATRICES 7 ‘También puede resolverse el ejemplo 25 del apartado 4 con el lenguaje MATRIX. En este caso A es la matriz X", B la matriz Ix’, C la matriz X,D Ja matriz de covarianzas, G la matriz D' ¢ I es la matriz R. La sintaxis y resultados obtenidos son Run MATRIX procedure: A COMPUTE A= (3, 6:5,6; 10,12) ‘COMPUTE B = (6 no PRINT H 7 PRINT! 3.605551275 3.46a101615 Siasaioiers 3.464201615 END MATRIX s 3.610000000 3. 460000000 3.610000000 _. 000000000 Teooocooso 3460000000 2770082102 .0000000000 Toovovoee0a “2690173410 -997836851 _. 960722463 ‘seo722463 11002372281 A cont 3.5 mediante el28 FUNDAMENTOS DE LAS TECNICAS MULTIVARIANTES MATRIX Ran MATRIX procedure: A 2 ‘ 6 COMPUTE A= COMPUTE B= ‘COMPUTE CALL EIGEN (A, D, E). PRINT A PRINT 8 PRINT C. PRINT D PRINT E, PRINT DET (A). PRINT TRACE (A). END MATRIX. Donde A es una matriz simétrica, C es la solucién al sistema lineal A X = B, D es la matriz U de autovectores normalizados y E es el vector de autovalores de la matriz A. le leer matrices desde un fichero. Por riz de cortelaciones para seis variables en 1.0000 0.6200, 0.2700 0.7900 1300 0.5800 1700 0.4700 1200 0.0800 700 0.1200 1.0000 0.5800, 014700 0.0800 0.5800 1.0000 Lo primero es redactar la sintaxis para que el SPSS lea el fichero, En este caso: MATRIX DATA VAR xt x2 x3 x4 x5 x6 IFILE="CAdatos. bt" JFORMAT FULL ICONT CORR IN=200 . ‘Al ejecutar la sintaxis, el resultado aparece en el editor de datos del SPSS: NOCIONES BASICAS DE ALGEBRA DE MATRICES. 29 yi ae (jee Como se observa, el SPSS ha lefdo la matriz Ry el nombre y tipo de variables. Con este fichero abierto en el editor de datos, se puede operar con Ta matri R. Por ejemplo, la sintaxis y resultados para obtener los autovalores y el rango de la matriz R es la siguiente: © MATRIX Run MATRIX procedure: GET A/FILE =* CALLEIGEN (A, 8c) RANE (a) 6 PRINT C, PRINT RANK(A), Dif oe END MATRIX. EI Ienguaje MATRIX edemis de ser itil para llevar a cabo operaciones con matrices, también permite ejecutar andlisis multivariantes partiendo de la ‘matriz de correlaciones 0 de la matriz de covarianzas. En los capitulos 3, 4 y 5 se exponen tres técnicas de andlisis multivariante y su correspondiente sintaxis en el lenguaje MATRIX. Antes de ejecta esa siti, para que A sea una matic cua, es necesiro borrr Is dos primera columnas y la primer ila del editor de dates, pues conienen ef nombre, el tipo de variable y el N,respecivameate30 FUNDAMENTOS DE LAS TECNICAS MULTIVARIANTES, 7. Ejercicios [roo |. Sealamatrc , |5 7 9 007 4) {Fsesta matrizal mismo tiempo identidad, cuadrada, diagonal, escalar Yysimétrica? b) (Bs cierto que A= A? c) {Qué orden deberia tener un vector fla que pre-multiplica a la matriz, ‘A para que sean conformables? Si A es una matriz escalar de orden 2 y cada uno de sus efementos diagonales vale &, siendo k # 0, obtenga cuanto vale & sabiendo que ntA)=lal. 4, Encuentre el valor omitido del vector 7 sebiendo que los vectors: 1 oh, yol0 -1 2h Z=[0 2 1} son lincalmentedependientes x= Sen g.[!, J 8-44 6B" oben iim deena “11 yl rango de €. o2 1 | aeft20 0 ]2 0 120 ‘Obtenga el autovalor A; de la matriz. _{4 4] cuyo autovector asoviado es Bi 2 7. La matriz. A es singular y de orden 3. Sus autovalores son 2)=3, 42=-1 y Ay=?. Obtenga cuanto vale el tercer autovalor de A. Seem {fees deo meno d=. 32 NOCIONES BASICAS DE. ALGEBRA DE MATRICES. 31 9. |. Suponga que tres variables aleatorias, Las puntuaciones de 5 personas en 2 pruebas aparecen en la matriz X’: Obtenga la matriz X, el vector x',, 1a matriz de varianzas-covarianzas y lade correlaciones y 45. son independientes =X -% ¢ B= Xi -%, ‘ule las matrices de correlaciones y covarianzas para Y, donde a con varianza 1. Sea Yy= Xi + Xo + C ye |. Indique la sintaxis que tendria que introducir en el lenguaje MATRIX del SPSS para resolver los ejercicios 4 y 9,