Académique Documents
Professionnel Documents
Culture Documents
2006-II
Matrices
Gen
Gentica de Poblaciones
Algebra Matricial
Dimensi
Dimensin de las matrices
Matrices
Matrices
12 18 29
A = 23 12 21
18 5 35
[ ]
= [a ]
A( 3 , 3 ) = a ij
A( r ,c )
Aplicaciones
Tienen un gran campo de aplicacin en:
ij
jcalderonv@lamolina.edu.pe
2006-II
Definiciones
Definiciones
Tipos de Matrices
Tipos de Matrices
d3
... d n ]
Tipos de Matrices
d2
8 3 2
D=
5 7 1
Tipos de Matrices
D = diag [d 1
1 0 0
I = 0 1 0
0 0 1
jcalderonv@lamolina.edu.pe
2006-II
Tipos de Matrices
Tipos de Matrices
Operaciones B
Bsicas
Suma
Sustraccin
En el caso de estas dos operaciones las matrices
deben ser del mismo orden o dimensin.
Multiplicacin, necesario que exista conformidad
de las matrices.
Suma de Matrices
[
C = [a
(5 + 6) 2
=
(9 + (2)) 6
]
+b ]
C = (a + b )ij
ij
Sustracci
Sustraccin de Matrices
6
4
B=
5 2
(2 + ( 4))
C = A+ B =
(1 + 5)
Suma de Matrices
2 5
A=
1 9
11
7
ij
jcalderonv@lamolina.edu.pe
2006-II
Sustracci
Sustraccin de Matrices
2 5
A=
1 9
Por un escalar
6
4
B=
5
2
(2 ( 4))
D = A B =
(1 5 )
[
D = [a
Multiplicaci
Multiplicacin de matrices
]
b ]
(5 6) 6
=
(9 (2)) 4
1
11
D = (a b )ij
ij
ij
Multiplicaci
Multiplicacin de matrices
Considerando el procedimiento de producto
de una matriz por un escalar podemos
obtener un factor comn a todos los
elementos de la matriz y considerar este
factor como un escalar.
12 6 27
4 2 9
A = 18 15 6 = 36 5 2
27 3 21
9 1 7
Multiplicaci
Multiplicacin de matrices
El producto C de dos matrices A y B, est definido
como:
cik = a ij b jk
donde j es sumado sobre todos los posibles valores
de i y k.
2 5
A=
1 9
=3
2 5 6 15
=
1 9 3 27
A = 3
Multiplicaci
Multiplicacin de matrices
Multiplicacin de vectores.
El producto de un vector fila con un vector
columna da como resultado un escalar, el cual es
obtenido de la suma del producto de los elementos
correspondientes de los vectores.
v' = [3 4 1]
1
y = 5
2
1
t = v' y = [3 4 1]5 = 3(1) + 4( 5) + 1( 2) = 25
2
Multiplicaci
Multiplicacin de matrices
Debemos de considerar el concepto de
conformidad del producto, es decir: el
nmero de columnas de la primera matriz
(matriz que pre multiplica) debe ser igual al
nmero de filas de la segunda matriz (matriz
que post multiplica).
jcalderonv@lamolina.edu.pe
2006-II
Multiplicaci
Multiplicacin de matrices
Matriz que pre multiplica
Matriz que post multiplica
A x B
2x3 3x5
= AB
2x5
Multiplicaci
Multiplicacin de matrices
cij = a ik bkj
k =1
Multiplicaci
Multiplicacin de matrices
Por tanto, para desarrollar el producto de la
i-sima fila con la j-sima columna es:
A( r ,c )
Multiplicaci
Multiplicacin de matrices
Ejemplo: si A(2,3) y B(3,4), la matriz resultante ser
C(2,4), y el elemento producto ser:
A( 2 , 3 ) , B( 3,4 )
B( c , s )
AB = C ( 2,4 )
cij = a ik bkj
k =1
k =1
AB = a ik bkj
i = 1,..., r;
j = 1,..., s
k =1
Multiplicaci
Multiplicacin de matrices
Multiplicaci
Multiplicacin de matrices
jcalderonv@lamolina.edu.pe
Multiplicaci
Multiplicacin de matrices
4 2 9
9 1 2
A = 6 5 2 , B = 3 8 6
9 1 7
1 2 2
(4 * 9 + 2 * 3 + 9 * 1)
C = AB = (6 * 9 + 5 * 3 + 2 * 1)
(9 * 9 + 1 * 3 + 7 * 1)
(4 * 1 + 2 * 8 + 9 * 2) (4 * 2 + 2 * 6 + 9 * 2)
(6 * 1 + 5 * 8 + 2 * 2) (6 * 2 + 5 * 6 + 2 * 2)
(9 * 1 + 1 * 8 + 7 * 2) (9 * 2 + 1 * 6 + 7 * 2)
2006-II
Propiedades de la multiplicaci
multiplicacin
51 38 38
C = 71 50 46
91 31 48
Propiedades de la multiplicaci
multiplicacin
(ail blk )ckj = ail (blk ckj ) = ail (bc )lj = [a(bc )]ij
Propiedades de la multiplicaci
multiplicacin
Propiedad distributiva.
Si A y B son matrices de orden m x n y C y D son
matrices de orden n x p, entonces:
A (C + D) = AC + AD
(A + B) C = AC + BC
Propiedades de la multiplicaci
multiplicacin
Propiedades de la multiplicaci
multiplicacin
A+ B = B + A
( A + B ) + C = A + (B + C )
( AB )C = A(BC )
C ( A + B ) = CA + CB
( A + B ) = A + B
(A ) = A
' '
jcalderonv@lamolina.edu.pe
2006-II
Propiedades de la multiplicaci
multiplicacin
a11 a12
a
21 a22
a33
(A ) = A
(A ) = (A )
1 1
' 1
1 '
Matriz transpuesta
a11
= a12
a13
a 21
a 22
a 31
a 32 = a ji
a 33
T
Acxr
a 23
[ ]
[ ]
a55
a64
a65
b12
b22
(BTAT)ij
[a33 ][b33 ]
a44
a
54
a64
b44
a45
a55
a65
b45
b54
b55
b64
b65
a46 b44
a56 b54
a66 b64
b45
b55
b65
b46
b56
b66
= (bT)ik (aT)kj
= bkiajk = ajkbki
= (AB)ji = (AB)Tij
Adems:
(AB)T = BTAT
Ejemplo:
a13
a 23 = a ij
a 33
a54
b33
(AT)-1 = (A-1)T
a12
a 22
a 32
a45
=
b46
b56
b66
Matriz transpuesta
a11
Arxc = a 21
a 31
a44
b11 b12
b
21 b22
a46
a56
a66
Transpuesta de un producto
2 5
A3 x 2 = 7 10
3 4
T
2x3
2 7 3
=
5 10 4
41
jcalderonv@lamolina.edu.pe
Productos especiales
Una matriz A es dem potente si el producto
de la matriz con ella misma es igual a ella
misma.
A.A = A
Dicho producto implica que la matriz A debe
ser cuadrada, pero no necesariamente
simtrica.
Productos especiales
Una matriz es ortogonal si el producto de la
matriz con su transpuesta es igual a una
matriz identidad.
U U = I
ello implica que:
U U = I
2006-II
Productos especiales
Una matriz es nulo potente si el producto de
la matriz con ella misma determina una
matriz nula.
B.B=0
entonces, la matriz B es nulo potente.
Norma euclidiana
La norma euclidiana es una operacin
matricial usualmente usado para determinar
el grado de diferencia entre dos matrices del
mismo orden.
La norma es un escalar y es representada
como: || A ||
[ ( )]
A = tr AA'
0 .5
n n
A = a ij2
i =1 j =1
0.5
jcalderonv@lamolina.edu.pe
2006-II
Norma euclidiana
Norma euclidiana
Ejemplo:
7
A = 4
1
5
6
1
2
3
8
entonces:
A = (49 + 25 + 4 + 16 + ... + 1 + 64 )
0.5
A = ( 205)0.5 = 14.317821
7
A = 4
1
7
AA' = 4
1
6
1
6
1
[ ( )]
A = tr AA
'
A = (205 )
0.5
0
H2
.
.
0
... .
... H n
...
...
...
A2 x 2
a b
=
c d
La inversa es:
A1 =
1 d b
1 d b
=
A c a ad bc c a
7
A' = 5
2
2 7
3 5
8 2
4
6
3
4
6
3
1
1
8
1 78 4 28
1 = 4 61 22
8 28 22 66
= (78 + 61 + 66 )
0.5
= 14.317821
+
i H i = H 1 H 2 ... H n = .
.
0
0 .5
2
3
8
0
0
.
a B a12 B
A * B = A B = 11
a 21 B a 22 B
a 22
a 32
1 a 23
1
A =
A a 33
a 21
a 31
a 23
a 33
a 21
a 31
a 22
a 32
a13
a 33
a11
a 31
a12
a 32
a12
a 32
a13
a 33
a11
a 31
a12
a 22
a13
a 23
a11
a 21
a13
a 23
a11
a 21
a12
a 22
jcalderonv@lamolina.edu.pe
Determinante
Una matriz de orden 2 x 2 su determinante es
definida como:
a b a b
det
ad bc
c d c d
Determinante
La definicin anterior se denomina:
Expansin de los elementos de la i-sima
fila, para el primer caso, o de los elementos
de la j-sima columna, en el segundo caso,
la que permite hallar la determinante de
manera resumida.
2006-II
Determinante
Son procedimientos matemticos muy
usados en el anlisis y solucin en sistemas
de ecuaciones lineales. Adems, es un
mtodo para determinar cuando una matriz
tiene una inversa o es no singular.
La determinante de una matriz es un nmero
o escalar, simbolizado por |A|.
Determinante
Cuando se evala matrices de orden
considerable, se puede emplear la
definicin de la determinante para una
matriz de orden r x r.
r
i+ j
a ij ( 1) M ij
j =1
A = r
a ij ( 1)i + j M ij
i =1
para cualquier i
para cualquier j
Determinante
M es llamado un Menor de A, y se obtiene
eliminando la fila y la columna de la matriz A
resultando una matriz de orden (r-1) x (r-1) de
la que se obtiene su determinante. El menor
conjuntamente con el signo se denomina el
cofactor de aij en |A|.
A = a ij a ij
i
cofactor a ij = a ij = ( 1)
i+ j
M ij
jcalderonv@lamolina.edu.pe
10
2006-II
Propiedades de las
Determinantes
1. Dado una determinante n x n, la inversa
aditiva es: |-A | = (-1)n|A|
2. Propiedad distributiva: | AB | = |A| |B|
Esto significa que la determinante de una
matriz inversa puede ser determinado
como:
|I| =| A A-1| = |A| | A-1| = 1
|A| = 1 / | A-1|
Propiedades de las
Determinantes
3. Las determinantes son Multilineales en filas
y columnas, desde que:
a1
a2
0
a5
0
0
a6 + a4
a5
0
0
a 6 + a4
0
a5
a3
a5
a1
a6 = a 4
a2
a4
a7
a8
a9
a7
a8
a9
a7
a8
a9
a7
a8
a9
a3
a1
a6 = 0
a9
0
a2
a3
0
a6 + a 4
a2
a3
a3
a5
a6
a8
a9
a8
0
a6 + 0
a9 a7
a2
a5
a8
a9
BAB 1 = B A B 1 = B A
1
= A
B
Resoluci
Resolucin de sistemas de
ecuaciones lineales
Uno de los primeros mtodos conocidos en la
solucin de ecuaciones algebraicas lineales
simultneas, es el conocido como el Mtodo de
Eliminacin o el Mtodo de Eliminacin Gaussiana.
Utilizando el mtodo de Gauss, un conjunto de n
ecuaciones con n incgnitas se reduce a un sistema
triangular equivalente (un sistema equivalente es un
sistema que tiene iguales valores de la solucin), que
a su vez se resuelve fcilmente por "sustitucin
inversa"; lo cual es un procedimiento simple .
a6
y
a1
a2
a4
a5
a7
a8
Propiedades de las
Determinantes
4. La determinante de una matriz de
Transformacin de similaridad es igual a la
determinante de la Matriz original.
a3
a5
M 11
1 M 12
A =
A ..........
( 1)r +1 M
1r
M 21
M 31
..........
M 22
..........
M 32
..........
..........
..........
( 1)r + 2 M 2r ( 1)r + 3 M 3 r
..........
( 1)r +1 M r 1
( 1)r + 2 M r 2
..........
M rr
Mtodo de Gauss
Se basa en tres criterios de equivalencia:
Producto o cociente por un nmero real distinto
de cero: si se multiplican o dividen los dos
miembros de la ecuacin de un sistema por un
nmero distinto de cero, resulta otro sistema
equivalente al dado.
Suma o diferencia de ecuaciones: si a una
ecuacin de un sistema se le suma o resta otra
ecuacin del mismo, resulta otro sistema
equivalente al dado.
jcalderonv@lamolina.edu.pe
11
Mtodo de Gauss
2006-II
Mtodo de Gauss
Dado el siguiente sistema de ecuaciones:
X1 + 4 X2 + X3 = 7
X1 + 6 X2 - X3 = 13
2 X1 - X2 + 2 X3 = 5
Mtodo de Gauss
Utilizando como ecuacin pivote la primera
ecuacin (el coeficiente pivote es unitario),
obtenemos:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6
-9 X2 + (0) X3 = -9
Mtodo de Gauss
Finalmente mediante sustitucin inversa,
comenzando con la ltima de las ecuaciones
se obtienen los siguientes valores:
X3 = -2
X2 = 1
X1 = 5
Mtodo de Gauss
Utilizando la segunda ecuacin del sistema
como ecuacin pivote y repitiendo el
procedimiento, se obtiene el siguiente
sistema triangular de ecuaciones:
X1 + 4 X2 + X3 = 7
2 X2 - 2 X3 = 6
- 9 X2 = - 9
jcalderonv@lamolina.edu.pe
12
2006-II
[A | B] ===== [I | C]
jcalderonv@lamolina.edu.pe
13
Resoluci
Resolucin de sistemas
x y + 2z = 5
3 x + 2 y + z = 10
2006-II
Resoluci
Resolucin de sistemas
Sistema de
ecuaciones
2 x 3 y 2 z = 10
5
5
1 1 2
1 1 2
R = r 3r1
1
3 2
1
10 = 2 2
0 5 5 5 = R2 = r2
5
R3 = r3 2r1
0 1 6 20
2 3 2 10
4
1 0 1
1 0 0 1
0 1 1 1 = R1 = r1 r3 0 1 0 2
R =r +r
2
2
3
0 0 1 3
3
0 0 1
x
5
4
1 0 1
1 1 2
0 1 1 1 = R1 = r1 + r2 0 1 1 1 = R = 1 r
3
3
R =r +r
7
3
3
2
0 0 7 21
0 1 6 20
= 1
= 2
Solucin
z = 3
jcalderonv@lamolina.edu.pe
14
1
A = 2
1
6
2
3
2
1
5
2006-II
6
2
2
1
1
0
0
1
1
0
2
5
7
1
2
1
10
3
0
1
R = R2 2 R1
= 0
0 = 2
R3 = R3 R1
0
1
0
1
0
0
1
1
0 = R2 =
R2 = 0
10
0
1
6
10
2
5
1
2
0
1
6
1
3
2
1/ 2
7
1
1/ 5
1
0
0
1
0
1 / 10
0
0
0
1
R = R 3R
3
3
2
0 3
0 0 11 2 2 5 3 10 1
7
1
0
1
1
1 5
0
35
0
1 0
1 0 1 1 5 3 5
0 1 1 2 1 5 1 10 0 = R = 2 R = 0 1 1 2 1 5 1 10
0
3
3
11
0 0
1
4 55 3 55 2 11
0 0 11 2 2 5 3 10 1
1
1
4 55 3 55 2 11 R2 = R2 + R2 0 0 1 4 55
3 55 2 11
0 0
2
7 55 36 55 2 11
A 1 = 9 55 7 55 1 11
3 55 2 11
4 55
jcalderonv@lamolina.edu.pe
15
2006-II
Definiciones:
Una matriz se dice de diagonal
Definiciones:
Anlogamente se define una matriz de
diagonal estrictamente dominante por
columnas, en la forma:
n
aii > a ji
j =1
j 1
Propiedad:
Toda matriz de diagonal estrictamente
dominante (por filas o por columnas), es
invertible, con lo que queda garantizada la
existencia y unicidad de solucin
Esto se puede demostrar basndose en el
hecho de que el valor propio 0 queda fuera
de los crculos de Gerschgorin, luego la
matriz no puede ser singular.
0 aii >
j =n
j =1, j i
aij ,
i = 1, 2,..., n
jcalderonv@lamolina.edu.pe
16
2006-II
jcalderonv@lamolina.edu.pe
17
2006-II
x1 =
x2 =
x3 =
6 0.7 x1 + 2.5 x 2
15
jcalderonv@lamolina.edu.pe
18
2006-II
x1 = -19.7716
x1 = -19.7787
| e | = 0.002
x2 = -3.4523
x2 = -3.4547
| e | = 0.064
x3 = -0.0527
x3 = -0.0527
| e | = 0.122
x1 = -19.7781
| e | = 0.03
x1 = -19.7788
| e | = 0.0002
x2 = -3.4545
| e | = 0.71
x2 = -3.4547
| e | = 0.0058
x3 = -0.0527
| e | = 1.22
x3 = -0.0527
| e | = 0.0118
1 2 5 1
A = 2 2 10 6
3 4 15 1
1 = 0,...........c = 0
5
1
10 = 5 2
15
3
1C1 + 2C 2 + ..... + c C c = 0
dependencia lineal
independencia lineal
jcalderonv@lamolina.edu.pe
19
Determinaci
Determinacin del rango de un
sistema de ecuaciones
Dado un modelo, al investigador le
interesara saber que funciones son o no
estimables, en el siguiente modelo:
yijk = + a i + b j + eijk
donde:
E ( y ijk ) = + a i + b j
E (e ijk ) = 0
Determinaci
Determinacin del rango de un
sistema de ecuaciones
Para este tipo de modelos una fila de X
contendr ceros (0) y unos (1). Ellos sern 1
para la media, 1 para ai y 1 para bj de la Yijk
observacin:
1
1
X = 1
1
1
1
1 0 0 0 1
0 1 0 0 1
0 0 1 0 1
1 0 0 1 0
0 0 1 1 0
0 1 0 1 0
1 0 0 0 1
Determinaci
Determinacin del rango de un
sistema de ecuaciones
Considerando el siguiente modelo:
E ( yijk ) = + a i + bij
El factor b tiene el subndice i el cual est
asociado con el factor a. Si i = 1, 2 y j = 1, 2 y
3.
2006-II
Determinaci
Determinacin del rango de un
sistema de ecuaciones
Suponiendo que i = 1, 2, 3 y j = 1, 2,
deseamos conocer el rango de X.
X tendr n filas para las N observaciones, y
tendr 1 + 3 + 2 columnas por los efectos del
modelo (1 para la media, 3 para el factor a, 2
para el factor b). El nmero de columnas
usualmente es menor que el nmero de filas
en X, y adems, el rango de X es menor o
igual al nmero de columnas en X.
Determinaci
Determinacin del rango de un
sistema de ecuaciones
De la matriz X, las columnas 2, 3, y 4 definen el factor
a y las columnas 5 y 6 definen el factor b. La
primera columna representa a la media que se
encuentra en todas las observaciones. De la
estructura de la matriz X, si sumamos las columnas 2,
3, y 4 nos dar el valor de la columna 1, sumadas las
columnas 5 y 6 dar el valor de la primera columna.
Entonces, existe 2 dependencias lineales entre estas
columnas, y el rango est determinado por las
columnas independientemente lineal, y al eliminar
una columna para cada uno de los factores (a y b),
determinan una nueva matriz cuyo rango es de 4.
Determinaci
Determinacin del rango de un
sistema de ecuaciones
En un arreglo matricial ser:
1
1
X = 1
1
1 0 1 0 0 0 0 0
1 0 0 1 0 0 0 0
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
0 1 0 0 0 1 0 0
0 1 0 0 0 0 1 0
0 1 0 0 0 0 0 1
jcalderonv@lamolina.edu.pe
20
2006-II
Determinaci
Determinacin del rango de un
sistema de ecuaciones
a.
Determinaci
Determinacin del rango de un
sistema de ecuaciones
E ( yijkm ) = + ai + b j + c k
d.
E ( y ijkm ) = + a i + bij + c ik
e.
f.
E ( yijkm ) = ijk
para: i = 1:2; j = 1:3; k = 1:4
Columnas en X = 24;
Rango de X = 24
MODELOS LINEALES
1. La ecuacin matemtica
E ( y ijkmn ) = + a i + b j + c ik + d jm
para: i = 1:2; j = 1:3; k = 1:4; m = 1:5
Columnas en X = 29
Rango de X = 22
E ( yijkm ) = + a i + b j + cij + d k
para: i = 1:2; j = 1:3; k = 1:4
Columnas en X = 16
Rango de X = 9
La ecuaci
ecuacin matem
matemtica
Y = Xb + Zu + e
Donde:
Y = Vector N x 1 de observaciones, N nmero total de
observaciones.
X = Matriz conocida N x p, determinada por los factores fijos.
b = Vector de constantes p x 1 no conocido, de los efectos fijos.
Z = Matriz conocida N x q, determinado por los efectos aleatorios.
u = Vector no conocido y no observable q x 1 de las variables
aleatorias.
e = Vector no conocido, no observable N x 1, de las variables
aleatorias.
Pb
E =
e
Tb
Wb
w
jcalderonv@lamolina.edu.pe
21
2006-II
u 0
E =
e 0
Entonces:
E(y) = Xb
Cov ( f , d )
f V( f )
V =
V (d )
d Cov (d , f )
donde :
V = V ( y)
ZG + S
y V
u GZ '+ S '
G
=
V
e S ' Z '+ R
S'
+
w
A
Z
B
A'
'
'
'
ZS + R
S
R
B'
ZA + B
A
B
V = V ( Xb + Zu + e )
V = V ( Xb ) + V ( Zu + e )
V = 0 + V ( Zu + e )
entonces:
V ( Zu) = ZV ( u) Z '
asumiento que S = 0:
V = ZGZ ' + R
Cov ( Zu, e ) = ZS
R = I;
G = I u2 A u2
jcalderonv@lamolina.edu.pe
22
2006-II
Estimabilidad
Estimabilidad
Estimabilidad
Estimabilidad
Estimabilidad
Estimabilidad
Corral 1 Corral 2
10
11
5
6
7
12
Suma
Total
Corral 1
Corral 2
Total
16
18
17
120
154
80
60
49
144
180
203
224
y11. = 10 + 10 p1 + 10 g1 + e11.
El valor esperado para esta suma (cual es
estimable) ser:
E ( y11. ) = 10 + 10 p1 + 10 g1
jcalderonv@lamolina.edu.pe
23
2006-II
Estimabilidad
Estimabilidad
51
26
25
16
18
17
26 25 16 18 17 607
26 0 10 11 5 p1 354
0 25 6 7 12 p2 253
=
10 6 16 0 0 g1 180
11 7 0 18 0 g2 203
5 12 0 0 17 g3 224
Estimabilidad
Estimabilidad
Estimabilidad
Muchas inversas generalizadas pueden ser
calculadas, pudiendo tener la siguiente
estructura:
A
G=
0
1
11
Estimabilidad
A11 =
7 0 18 0
12 0 0 17
jcalderonv@lamolina.edu.pe
24
2006-II
Estimabilidad
Estimabilidad
0
G=
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.0324
0.0747
0.0126
0.0229
0.0336
0.0126
0.086
0.0238
0.0611
0.0229
0.0238
0.1019
Estimabilidad
0
0
1
0
0
1
0
0
0
0
0
0
1
1
1
0
0
0
1
0
0
0
1
0
0
0 p1
0 p2
0 g1
0 g2
1 g 3
Estimabilidad
Sin embargo:
8u + 3p1 +2p2 + g1 + 5g2 +4g3; no es una funcin estimable,
10u + 8p1 + 2p2 + g1 + 5g2 + 4g3; es una funcin estimable,
debido a que:
t = (10 8 2 1 5 4)
= kGXX
Entonces: tGXX = (GXX) GXX
= kG (XXGXX)
= kGXX = t
1 0
p 4.4615
b = GX ' y = 2 =
g1 12.9231
g 2 13.0128
g 3 16.3257
Estimabilidad
Estimabilidad
Usualmente, nos interesa ver las diferencias
entre los niveles de un factor, si decimos que:
k = (0 0 0 -1 1 0), entonces
kGXX = k , puede ser verificado, por tanto:
kb = g2 g1 = 13.0128 12.9231 = 0.0897
Una funcin estimable significa que usando
cualquier inversa generalizada de XX el
estimado de g2 g1 ser siempre 0.0897, para
este grupo de datos.
jcalderonv@lamolina.edu.pe
25
2006-II
Estimabilidad
Estimabilidad
V (Kb) = k V (b) k
= k G k 2e
26 0 10 11
0 25 6 7
A11 =
10 6 16 0
11 7 0 18
Para k = ( 0 0 0 -1 1 0 )
k G = ( 0 0 -0.0012 -0.0621 0.0560 0.0009 )
y
Estimabilidad
Estimabilidad
0
*
G =
0
0
0
0
0
0
0.1019
0.0409 0.0790 0.0782
0.0409
0.0663 0.0504 0.0508
0.0790 0.0504
0.1308
0.0679
0.0782 0.0508
0.0679
0.1231
0
0
0
0
0
0
Bibliograf
Bibliografa.
Searle, S. R., 1966. Algebra matricial para las
Ciencias Biolgicas. Wiley, NY.
Searle, S. R. 1971. Modelos Lineales. Wiley. NY.
Harville, D. A. 1997. Algebra Matricial. Una
perspectiva estadstica. NY.
y:
* 0
p1 16.3257
*
11
.
8643
p
b* = *2 =
g1 3.4027
g * 3.3130
2
*
g 3 0
Bibliograf
Bibliografa.
Steel, G. D y J. H. Torrie. 1980. Principles and
Procedures of Statistics. A biometrical approach.
McGraw Hill Book Company. 2th. edition.
SAS. 2002. IML Procedures. SAS Institute Inc., Cary.
NC.
jcalderonv@lamolina.edu.pe
26