Captulo 2

Distribuciones en el muestreo para una

normal multivariada
39
40
2.1. Introduccin
En este captulo se obtienen estimadores de parmetros de una muestra i.i.d. de un vector normal multivari-
ado, se denen sus distribuciones y estudian sus propiedades.
Sea un vector poblacional x N
p
(, ), invertible y una muestra de n observaciones independientes de x:
{x
1
, x
2
, . . . , x
n
}. Entonces la media muestral x
n
y la covarianza muestral S
n
son:
x
n
=
1
n
n

i=1
x
i
, S
n
=
1
n
n

i=1
(x
i
x
n
)(x
i
x
n
)
t
Observamos que S
n
=
1
n
n

i=1
x
i
x
t
i
x
n
x
t
n
.
2.2. Estimador de mxima verosimilitud
La funcin de verosimilitud es:
f
n
(x
1
, x
2
, ..., x
n
|, ) =
||
n/2
(2)
np/2
exp
_

1
2
n

1
(x
i
)
t

1
(x
i
)
_
.
ln( f
n
(x
1
, x
2
, ..., x
n
|, )) =
n
2
ln(||
1
)
np
2
ln(2)
1
2
n

1
(x
i
)
t

1
(x
i
).
ln( f
n
)

= 0 = =
1
n
n

1
x
i
= x
n
ln( f
n
)

1
= 0 =

=
1
n
n

1
(x
i
x
n
)(x
i
x
n
)
t
= S
n
Sea D =
n
1
(x
i
)(x
i
)
t
. De la misma manera que en el caso p = 1,
1
n
n

i=1
(x
i
)
2
es una estimacin insesgada de la varianza
2
de la poblacin cuando la media es conocida,
1
n
D es una
estimacin insesgada de cuando el vector de medias es conocido.
En efecto, E((x
i
)(x
i
)
t
) =Var(x
i
) = y D =
n

i=1
(x
i
)(x
i
)
t
, luego E(D) = n.
Pero S
n
es un estimador sesgado de : E(S
n
) =
n1
n
. En efecto D = nS
n
+n x
n
x
t
n
n
t
.
Como E[ x
n
x
t
n

t
] = E[( x
n
)( x
n
)
t
] =Var( x
n
), E(S
n
) =
n1
n
.
41
Un estimador insesgado de construido a partir de S
n
entonces:

=
n
n1
S
n
=
1
n1
(x
i
x
n
)(x
i
x
n
)
t
.
2.3. Distribucin de Wishart y distribucin de Hotelling
Denicin 2.1 Se dice que una matriz V cuadrada de orden p sigue una distribucin de Wishart W
p
(n, )
si y solo V puede escribirse como:
V =
n

1
x
i
x
t
i
donde los x
i
son i.i.d. con x
i
N (0, ).
Proposicin 2.1 Si V
1
W
p
(n
1
, ), V
2
W
p
(n
2
, ) y V
1
y V
2
son independientes, entonces
V
1
+V
2
W
p
(n
1
+n
2
, ).
2.3.1. Distribucin de la media y la covarianza muestrales
En el caso de una variable X a una dimensin, la media muestral sigue una distribucin normal: x
n

N (,
2
) y n

2

2

2
n1
. Vamos a generalizar las distribuciones de los estimadores para el caso de un vector
de normal multivariado.
Si las x
i
son i.i.d. y x
i
N
p
(, ), la distribucin del vector de medias muestrales es x
n
N
p
(, /n).
La distribucin de Wishart es la distribucin de una matriz de varianza-covarianza emprica. Generaliza la
distribucin
2
n
. Si {x
1
, x
2
, . . . , x
n
} es una m.a.s. de la N(,
2
) con > 0 , entonces
1

2
n

i=1
(x
i
)
2

2
n
y si
x
n
=
1
n
n

i=1
x
i

1

2
n

i=1
(x
i
x
n
)
2

2
n1
.
Consideremos una muestra aleatoria simple de tamao n de un vector aleatorio de IR
p
de distribucin
N
p
(, ). Sea X M
n,p
la matriz que tiene en la las realizaciones independientes X
i
N
p
(, ), o sea
X =
_
_
_
_
_
_
x
t
1
x
t
2
.
.
.
x
t
n
_
_
_
_
_
_
Consideremos D = (X 1
n

t
)
t
(X 1
n

t
) =
n

i=1
(x
i
)(X
i
)
t
es decir la matriz de las sumas y productos
42
de las observaciones centradas en las medias de la poblacin.
Propiedades:
De la misma manera que en el caso p = 1,
1
n
n

i=1
(x
i
)
2
es una estimacin insesgada de la varianza
2
de la poblacin cuando la media es conocida,
1
n
D es
una estimacin insesgada de cuando el vector de medias es conocido.
La matriz D es semi-denida positiva; es denida positiva (p.s.) cuando es invertible.
La matriz D tiene una distribucin de Wishart W
p
(n, ). Se puede muestrar que cuando la matriz D es
denida positiva, su funcin de densidad es:
f (D) =
1
K
_
|D|
np1
e

1
2
Traza(
1
D)
donde K es una constante:
K = 2
np/2

p(p1)/4
||
n/2
p

j=1
((n+ j 1)/2).
Se puede mostrar tambin que E(D) = n y E(D
1
) =
1
np1

1
si np1 > 0.
Notas:
Para p = 1: W
1
(n,
2
) =
n
i=1
(x
i
)
2

2
n
Si D W
p
(n, ), entonces u IR
p
\Ker() : u
t
Du W
1
(n, u
t
u).
Proposicin 2.2 Sean q matrices mutuamente independientes D
k
(k = 1, 2, ..., q) tales que D
k
W
p
(n
k
, )
con n =

k
n
k
. Entonces D
k
sigue una distribucin de Wishart W
p
(n, ).
Demostracin: Se deja la demostracin como ejercicio.
Proposicin 2.3 Sean x el vector de medias empricas y V la matriz de varianzas-covarianzas empricas:
x =
1
n
n

i=1
x
i
V = (X 1
n
x
t
)
t
(X 1
n
x
t
)
entonces x N
p
_
,
1
n

_
y V W
p
(n1, ).
43
Demostracin: Se observa que V = Dn( x )( x )
t
y que n( x )( x )
t
W
p
(1, ) y se aplica la
proposicin 1.5.
Proposicin 2.4 Sea D W
p
(n, ), entonces para todo vector constante u IR
p
, se tiene
u
t
Du
u
t
u

2
n
Demostracin: Como u
t
Du W
1
(n, u
t
u),
u
t
Du
u
t
u
W
1
(n, 1) =
2
n
. Se puede demostrar tambin que
u
t

1
u
u
t
D
1
u

2
np+1
; estos resultados, que se generalizan para vectores u aleatorios, son delicados a demostrar.
2.3.2. La distribucin T
2
de Hotelling
Esta distribucin generaliza la distribucin t-Student. La v.a. t
n
=
N(0, 1)
_

2
n
/n
sigue una distribucin de Student
a n grados de libertad cuando el numerador y el denominador son independientes, por ejemplo

n( x
n
)

1
n
n

i=1
(x
i
)
2
t
n

n( x
n
)

1
n1
n

i=1
(x
i
x
n
)
2
t
n1
.
Denicin 2.2 Si el vector x N
p
(0, I
p
), V W
p
(n, I
p
) y x es independiente de D, entonces nx
T
V
1
x
sigue una distribucin de T
2
de Hotelling de parmetro n denotada T
2
p
(n).
Proposicin 2.5 Se puede escribir la T
2
p
(n) de Hotelling en funcin de una F de Fisher:
T
2
p
(n) =
np
np+1
F
p,np+1
.
Demostracin: En efecto: x N
p
(, ), entonces se puede escribir:
T
2
p
(n) =
n(x )
t
D
1
(x )
(x )
t

1
(x )
(x )
t

1
(x )
Por otro lado vimos que
u
t

1
u
u
t
D
1
u

2
np+1
y (x )
t

1
(x )
2
p
, luego se escribe que T
2
p
= n

2
p

2
np+1
.
Como x y D son independientes, se concluye que T
2
p
(n) =
np
np+1
F
p,np+1
.
Vemos que en particular si p = 1: T
2
p
(n) = F
1,n
=t
2
n
.
44
De la proposicin anterior se deduce que E(T
2
p
(n)) =
np
np+1
E(F
p,np+1
) =
np
np1
.
Se deduce la proposicin:
Proposicin 2.6 Si x N
p
(, ), DW
p
(n, ) y x independiente de D, entonces n(x)
t
D
1
(x) sigue
una distribucin de Hotelling T
2
p
(n).
Demostracin: Existe A tal que las las A
i
de A son realizaciones independientes de N
p
(0, ) y B =
A

1
2
tiene en las los vectores

1
2
A
i
que son realizaciones independientes de N
p
(0, I
p
). Luego B
t
B =

1
2
D

1
2
W
p
(n, I
p
). Por otra parte

1
2
(x ) N
p
(0, I
p
). Se deduce entonces de la denicin que
n(x )
t
D
1
(x ) sigue una distribucin de Hotelling T
2
p
(n).
Otra proposicin muy importante es:
Proposicin 2.7 Sean una muestra {x
1
, x
2
, ..., x
n
} i.i.d., x N
p
(, ), x =
1
n
x
i
, y S =
1
n
(x
i
x)(x
i
x)
t
,
entonces n( x )
t
S
1
( x )
t
T
2
p
(n1).
Demostracin: Se deja como ejercicio. Es muy parecida a la demostracin de la proposicin anterior.
Utilizaremos en las siguientes secciones la distribucin de T
2
de Hotelling para construir tests sobre vector
de medias.
2.4. Test de vector de medias para una poblacin
Sea ahora una muestra multivariada i.i.d. {x
1
, x
2
, . . . , x
n
} con x
i
N
p
(, ) con invertible.
Queremos construir un test para la hiptesis nula H
o
: =
o
contra la hiptesis alternativa H
1
: =
o
.
Vamos a construir el test de razn de verosimilitudes:
2ln = 2(l
1
l
o
)
donde
l
1
= m ax
,
ln( f
n
(x
1
, ..., x
n
; , )
l
o
= m ax

ln( f
n
(x
1
, ..., x
n
;
o
, )
Luego
m ax
,
ln( f
n
(x
1
, ..., x
n
; , ) = ln( f
n
(x
1
, ..., x
n
; x, S)
m ax

ln( f
n
(x
1
, ..., x
n
;
o
, ) = ln( f
n
(x
1
, ..., x
n
;
o
, S
o
)
donde S =
1
n
(x
i
x)(x
i
x)
t
y S
o
=
1
n
(x
i

o
)(x
i

o
)
t
.
45
Luego
l
1
=
n
2
ln|S|
np
2
ln(2)
1
2

(x
i
x)
t
S
1
(x
i
x)
l
o
=
n
2
ln|S
o
|
np
2
ln(2)
1
2

(x
i

o
)
t
S
1
o
(x
i

o
)
Observamos que

(x
i
x)
t
S
1
(x
i
x) = Traza(S
1

(x
i
x)(x
i
x)
t
) =traza(nS
1
S) = np

(x
i

o
)
t
S
1
o
(x
i

o
) = Traza(S
1
o
(x
i

o
)(x
i

o
)
t
) =traza(nS
1
o
S
o
) = np
Entonces
l
1
l
o
=
n
2
(ln|S
o
| ln|S|)
Observamos ahora que S
o
= S+( x
o
)( x
o
)
t
, luego ln|S
o
| = ln|S+( x
o
)( x
o
)
t
|.
Usaremos el siguiente resultado: Si A(mxn) y B(nxm), entonces |I
m
+AB| =|I
n
+BA| y si m = 1, BA es una
matriz de orden pero AB es un escalar, entonces: |I
n
+BA| = |I
1
+AB| = 1+AB.
Se deduce que
2ln = 2(l
1
l
o
) = n(ln|S
o
| ln|S|) = nln[1+ x
o
)
t
S
1
( x
o
)]
EL estadstico de razn de verosimilitudes depende entonces de (n1)( x
o
)
t
S
1
( x
o
) que segue una
distribucin T p
2
(n 1). La regin de rechazo tiene la forma: Como T p
2
(n 1) =
np
(na)p
F
p,np
se deduce
que el estadstico
np
p
( x
o
)
t
S
1
( x
o
) F
p,np
.
Ejemplo 2.1 Si n = 40, p = 2, S =
_
4, 288 1, 244
1, 244 0, 428
_
y

X =
_
6, 069
6, 255
_
con H
0
: =
_

50
6
_
T
2
=
93, 45 y
np
(n1)p
T
2
= 44, 27 IP(F
2,38
> 44, 27) 0, 00 se rechaza H
0
.
2.5. Test para dos poblaciones
Sea una variable X observada en dos poblaciones P
1
y P
2
y dos muestras independientes, una muestra mul-
tivariada {x
11
, x
12
, . . . , x
1n
1
} i.i.d. en P
1
con x
1i
N
p
(
1
, ) y una muestra multivariada {x
21
, x
22
, . . . , x
2n
2
}
i.i.d. en P
2
con X
2i
N
p
(
2
, ) con invertible. Observan que se supone que las dos poblaciones tienen
la misma matriz de varianza. Se compara las dos poblaciones a travs de sus medias con la hiptesis nula
H
0
:
1
=
2
contra la hiptesis alternativa H
1
:
1
=
2
.
46
Sean x
1
y x
2
los dos vectores de medias muestrales,
x
1
=
1
n
1

x
1i
y x
2
=
1
n
2

x
2i
Sean A
1
=
n
i=1
(x
1i
x
1
)(x
1i
x
1
)
t
y A
2
=
n
i=1
(x
2i
x
2
)(x
2i
x
2
)
t
, entonces S =
A
1
+A
2
n
1
+n
2
2
es un esti-
mador insesgado de la matriz de varianza comn a las dos poblaciones.
Como x
1
y A
1
son independientes y x
2
y A
2
son independientes, y las dos muestras son independientes,
x
1
x
2
y S son independientes. Por otro lado se tiene que:
(n
1
+n
2
2)S W
p
(n
1
+n
2
2, ) y x
1
x
2
N
p
_

2
,
n
1
+n
2
n
1
n
2

_
,
luego
n
1
n
2
n
1
+n
2
( x
1
x
2
)
t
S
1
( x
1
x
2
) T
2
p
(n
1
+n
2
2)
y
n
1
+n
2
p1
(n
1
+n
2
2)p
T
2
p
(n
1
+n
2
2) F
p,n
1
+n
2
p1
.
La regin crtica de nivel de signicacin es entonces dada por IP(F
p,n
1
+n
2
p1
> c) =.
Ejercicio: Muestre que este test F equivale al test de razn de verosimilitudes.
2.6. Anlisis de perles
Hay situaciones en las cuales el vector normal no corresponde a diferentes variables sino a una misma vari-
able repetida, por ejemplo en el tiempo o el espacio. Cuando se tienen dos poblaciones, se quiere comparar
las medias transversal y longitudinalmente. Por ejemplo se tiene dos grupos de personas, un grupo con n
1
personas y el otro con n
2
personas. En cada uno de los grupos se aplica a un tratamiento distinto y se mide
el resultado del tratamiento con un examen en p diferentes instantes. En la gura 2.1 se presenta un ejemplo
de las medias en cada instante para cada uno de los grupos. En abscisa tenemos los instantes o repeticiones
y en la ordenada el valor de la media en este instante. El seguimiento de cada grupo constituye un perl.
Lo importante a observar aqu es que longitudinalmente las observaciones no son independientes ya que son
medidas sobre el mismo individuo u objeto.
Ms alla que estudiar la igualdad de las curvas (o los perles), queremos contestar a tres preguntas:
Los grupos se comportan de manera similares durante todo el proceso? O sea Las curvas son par-
alelas?
Los grupos tienen un nivel parecido? O sea Las curvas son del mismo nivel?
47
No hay cambio en el tiempo? O sea La curva promedio es horizontal?
Trataremos en primer lugar el caso de dos grupos y generalizaremos despus.
Figura 2.1: Perles para dos grupos
2.6.1. Caso de dos perles
Sean
1
el vector de medias en la poblacin P
1
y
2
en P
2
.

1
=
_
_
_
_
_
_

11

12
.
.
.

1p
_
_
_
_
_
_
,
2
=
_
_
_
_
_
_

21

22
.
.
.

2p
_
_
_
_
_
_
en donde
ji
es la media del grupo j en la repeticin o en el instante i.
Para saber si los perles son idnticos se hace el test de hiptesis H
0
:
1
=
2
, que vimos en el prrafo
anterior. Pero la primera pregunta sobre el paralelismo de los perles se traduce por la hiptesis nula:
H
0
:
11

21
=
12

22
= =
1p

2p
Lo que equivale a:
H
0
:
_

11

12
=
21

22

12

13
=
22

23
.
.
.

1(p1)

1p
=
2(p1)

2p
Esta hiptesis se escribe matricialmente
H
0
: C(
1
2) = 0
48
donde
C =
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
_

_
.
Si S =
A
1
+A
2
n
1
+n
2
2
es el estimador insesgado de la matriz de varianza comn a las dos poblaciones,
(n
1
+n
2
2)S W
p
(n
1
+n
2
2, ) y

X
1

X
2

_

2
,
n
1
+n
2
n
1
n
2

_
y estos son independientes, entonces
se tiene
(n
1
+n
2
2)CSC
t
W
p1
(n
1
+n
2
2,CC
t
)
C( x
1
x
2
) N
p1
_
C(
1

2
),
n
1
+n
2
n
1
n
2
CC
t
_
luego
n
1
n
2
n
1
+n
2
( x
1
x
2
)
t
C
t
(CSC
t
)
1
C( x
1
x
2
) T
2
p1
(n
1
+n
2
2)
y
n
1
+n
2
p
(n
1
+n
2
2)(p1)
T
2
p1
(n
1
+n
2
2) F
p1,n
2
+n
2
p
Ejemplo 2.2 n
1
= 37 y n
2
= 12
x
1
=
_
_
_
_
_
_
12, 57
9, 57
11, 49
7, 97
_
_
_
_
_
_
x
2
=
_
_
_
_
_
_
8, 75
5, 33
8, 50
4, 75
_
_
_
_
_
_
S =
_

_
11, 25 9, 40 7, 15 3, 38
9, 40 13, 53 7, 38 2, 55
7, 15 7, 38 11, 57 2, 62
3, 38 2, 55 2, 62 5, 80
_

_
.
Se muestra los dos perles, que son casi-paralelos, en la gura 2.2.
La hiptesis nula es: H
0
: C(
1

2
) = 0 con C =
_

_
1 1 0 0
0 1 1 0
0 0 1 1
_

_
(CSC
t
)
1
=
_

_
0, 2585 0, 1232 0, 0644
0, 1232 0, 1705 0, 0686
0, 0644 0, 0686 0, 113
_

_
C

X
1
=
_
_
_
3
1, 92
3, 52
_
_
_, C

X
2
=
_
_
_
3, 42
3, 17
3, 75
_
_
_.
49
Figura 2.2: Perles de los grupos
Se obtiene T
2
= 1, 46 y
45
473
1, 46 = 0, 47.
El p-valor es igual a: IP(F
3,45
> 0, 47) = 0, 70 no se rechaza
H
0
:
11

21
=
12

22
=
13

23
=
14

24
Concluyamos al paralelismo de los dos perles.
Puede ser que los dos perles no sean paralelos, pero podran ser del mismo nivel. Es la segunda pregunta
que se traduce en la hiptesis nula:
1
t
p

1
= 1
t
p

2
Tenemos aqu que comparar las medias univariada de dos poblaciones.
Sea y
1 j
=
p

k=1
x
1 jk
e y
2 j
=
p

k=1
x
2 jk
y las medias y
1
e y
2
. Se usa entonces un test t-Student.
t =
y
1
y
2

_
_
1
n
1
+
1
n
2
_
j
(y
1j
y
1
)
2
+

j
(y
2j
y
2
)
2
n
1
+n
2
2
t
n
1
+n
2
2
.
En el ejemplo y
1
= 41, 60, y
2
= 27, 33 y

j
(y
1 j
y
1
)
2
+

j
(y
2j
y
2
)
2
n
1
+n
2
2
= 107, 13 y
t =
41, 6027, 33

_
1
37
+
1
12
_
107, 13
= 4, 15.
IP(|t
45
| > 4, 15) 0, 00 se rechaza que los dos perles son del mismo nivel.
50
Para la tercera pregunta, si se detecto que los perles no son paralelos, habra que responder a la pregunta
separando los dos grupos. Si se concluyo que los perles son paralelos podemos ver si las medias sobre los
dos grupos dieren longitudinalmente, o sea si la curva promedio de los dos grupos reunidos es horizontal.
En este caso la hiptesis nula se escribe:
H
0
:
11
+
21
=
12
+
22
= =
1p
+
2p
Utilizando la misma matriz C de la pregunta 1: H
0
: C(
1
+
2
) = 0
Sea x =
n
1
x
1
+n
2
x
2
n
1
+n
2
el perl promedio observado. x N
p
_
,

n
1
+n
2
_
. Se tiene:

n
1
+n
2
C x N
p1
((n
1
+n
2
)C ,CC
t
)
(n
1
+n
2
2)CSC
t
W
p1
(n
1
+n
2
2,CC
t
)
Entonces el estadstico del test es:
(n
1
+n
2
) x
t
C
t
(CSC
t
)
1
C x T
2
p1
(n
1
+n
2
2)
y
n
1
+n
2
p
(n
1
+n
2
2)(p1)
T
2
p1
(n
1
+n
2
2) F
p1,n
1
+n
2
p
.
En el ejemplo, x =
_
_
_
_
_
_
11, 63
8, 53
10, 76
7, 18
_
_
_
_
_
_
y T
2
= 166, 07 F = 53, 01 IP(F
3,45
> 166, 07) 0, 00. Se rechaza que
las medias son iguales longitudinalmente.
Se deja, en ejercicio, construir el test para los dos grupos separados.
2.6.2. Caso de varios perles
Sean q poblaciones P
1
, P
2
, . . . , P
q
y
j
=
_
_
_
_
_
_

j1

j2
.
.
.

j p
_
_
_
_
_
_
el vector de medias en la poblacin P
j
. Tomamos nueva-
mente las tres preguntas que se hicieron en el caso de dos perles.
Para saber si los perles son paralelos se plantea la hiptesis nula:
H
0
:
11

j,1
=
12

22
= =
1p

2p
( j = 2, 3, . . . q)
51
Lo que equivale a:
H
0
:
_

11

12
=
j1

j2

12

13
=
j2

j3
.
.
.

1(p1)

1p
=
j(p1)

j p
.
Esta hiptesis se escribe matricialmente
H
0
: B
t
MC = 0 (C
t
M
t
B = 0)
en donde
M
t
= [
1

2
. . .
q
]
B
t
=
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
_

_
(q1)q
C
T
=
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
_

_
(p1)p
.
Sea x
j
el vector de medias muestrales obtenido en una muestra de tamao n
j
en la poblacin P
j
( j =
1, 2, . . . , q) y

M
t
= [ x
1
x
2
. . . x
q
].
Con el supuesto de normalidad con igualdad de matriz varianza-covarianza , se obtiene un estimador
insesgado de con
S =
q

j=1
A
j
nq
en donde A
j
=

i
(x
ji
x
j
)(x
ji
x
j
)
t
y n =
q

j=1
n
j
.
Sea H = (B
t

MC)
t
(B
t
(D)
1
B)
1
(B
t

MC).
Como (n q)S W
p
(n q, ) y

X
j
N
p
_

j
,

n
_
y son independientes entre si, se tiene (n q)C
Tt
SC
W
p1
(nq,C
T
C) y bajo H
0
Traza(HS
1
) T
2
p1
(nq)
52
o sea
npq+2
(nq)(p1)
T
2
p1
(nq) F
p1,npq+2
.
Ejemplo 2.3 Se tiene 4 grupos de efectivos: n
1
= 8, n
2
= 5, n
3
= 4, n
4
= 4 y 3 repeticiones (x
1
, x
2
, x
3
) para
cada observacin (tabla 2.1).
x
1
=
_
_
_
18, 00
20, 00
19, 75
_
_
_ x
2
=
_
_
_
13, 8
15, 2
14, 2
_
_
_ x
3
=
_
_
_
13
14
15
_
_
_ x
4
=
_
_
_
10
9
11
_
_
_.
Se muestran los cuatro perles promedios en la gura 2.3.
Figura 2.3: Perles promedios
La hiptesis nula para el paralelismo de los 4 perles es: H
0
: B
t
MC = 0 con
B
t
=
_

_
1 1 0 0
0 1 1 0
0 0 1 1
_

_ C
t
=
_
1 1 0
0 1 1
_
y

M =
_
_
_
x
t
1
x
t
2
x
t
3
_
_
_
C
t
SC =
_
3, 0118 2, 0000
2, 0000 3, 6176
_
y H =
_
24, 61 20, 48
20, 48 24, 31
_
.
Finalmente T
2
= 11, 65 y F = 5, 48. Como IP(F
2,16
> 5, 48) = 0, 015, se rechaza que los cuatro perles son
paralelos. Pero no impide eventualmente que dos de ellos estn paralelos como se observa en la gura 4.3.
Los 4 perles pueden ser no paralelos pero pueden ser del mismo nivel. Es la segunda pregunta que se
traduce en la hiptesis nula:
H
0
:
p

j=1

1j
=
p

j=1

2j
= =
p

j=1

qj
53
Grupo Variables Total variables
x
1
x
2
x
3
1
19
20
19
18
16
17
20
15
20
21
22
19
18
22
19
19
18
19
22
21
20
19
20
19
57
60
63
58
54
58
59
53
Media grupo 1 18 20 19,75 57,75
2
12
15
15
13
14
14
15
17
14
16
12
17
15
14
13
38
47
47
41
43
Media grupo 2 13,8 15,2 14,2 43,20
3
15
13
12
12
14
14
15
13
17
15
15
13
46
42
42
38
Media grupo 3 13 14 15 42,00
4
8
10
11
11
9
10
10
7
10
12
10
12
27
32
31
30
Media grupo 4 10 9 11 30,00
Media total 14,52 15,62 15,86 46,00
Cuadro 2.1: Perles de las observaciones
Lo que se escribe matricialmente: H
0
: B
t
M1
p
= 0. Tenemos aqu que comparar las medias univariadas de q
poblaciones.
Sea y
ji
=
p

k=1
x
i jk
i = 1, 2, . . . , n
j
, j = 1, 2, . . . , q y las medias por grupo y
1
, y
2
, . . . , y
q
y la media total y =
q

j
n
j
n
y
j
, que son unidimensionales.
Se puede mostrar que H =
q

j=1
n
j
( y
j
y)
2
representa la varianza inter-grupo y E = I1
T
p
SI1
p
=
q

j=1
n
j

i=1
n
j
(y
ji

54
y
j
)
2
representa la varianza intra-grupo.
H/(q1)
E/(nq)
F
q1,nq
En el ejemplo anterior y
1
= 57, 75, y
2
= 43, 20, y
3
= 42, 00, y
4
= 30, 00 e y = 46, 00.
H = 2231, 7, E = 178, 30
H/(q1)
E/(nq)
= 70, 93
El p-valor que es igual a IP(F
3,17
> 70, 93) 0 indica que se rechaza claramente la hiptesis que los 4
perles son del mismo nivel.
Para resolver la tercera pregunta, o sea ver si las medias de grupos dieren longitudinalmente o si la curva
promedio es horizontal, consideremos la hiptesis nula:
H
0
: C
t
_
p

i=1

i
_
= 0
en donde
i
=
1
q
q

j=1

ji
(i = 1, 2, . . . , p) es el perl promedio.
Se construye un estadstico de Hotelling para el test a partir de
x =
q

j=1
n
j
x
j
q

j=1
n
j
el perl promedio observado:

nC
t
x N
p1
_
nC
t
,C
t
C
_
(nq)C
t
SC W
p1
(nq,C
t
C)
Luego
n x
t
C(C
t
SC)
1
C
t
x T
2
p1
(nq)
y
nqp+2
(nq)(p1)
T
2
p1
(nq) F
p1,nqp+2
55
Para nuestro ejemplo:
x
_
_
_
14, 52
15, 62
15, 86
_
_
_ C
T
x =
_
1, 095
0,0238
_
T
2
= 16, 91 F = 7, 96 IP(F
2,16
> 7, 96) = 0, 004
Se rechaza entonces que las repeticiones son iguales.
56