Media, Varianzas, Covarianzas y Correlaciones.

En este documento se proporcionan algunas demostraciones de equivalencias tiles usadas en estadsticas.

Pruebe que,
1.
2.
3.
4. con conocido

5. dado que y

que

Solucin 1.
El ejercicio del numeral 1 indica que lo cual simplemente es la forma prctica de
calcular la varianza, y su demostracin es la siguiente:

Solucin 2.
esto es muy parecido al ejercicio 1, se trata de llegar a la forma
prctica de clculo de la covarianza entre dos variables aleatorias a partir de su definicin terica.

Solucin 3.
El ejercicio del numeral 3 indica simplemente que el estimador de la media de una variable aleatoria ser un estimador
insesgado del verdadero promedio, es decir, , cuya demostracin es:

haciendo y sustituyendo en , se tiene para demostrar

esto simplemente se opera esta ltima expresin
 ac se aplica la propiedad que dice el valor esperado de la suma es la suma de valores
esperados.

se aplica que la sumatoria de una constante, es veces esa constante

Solucin 4.
Cuando es conocido se puede demostar que el estimador de la varianza es tambin un estimador
insesgado,

Solucin 5.
Este se trata de demostar que la quasi-varianza muestral es un estimador insesgado de la varianza.
Esto es con la correspondiente correccin por grados de libertad en el denominador ( ) se logra
estimar la varianza muestral de manera insesgada.

considerando que y que

Pasando al mbito matricial, que es el ms frecuentemente utilizado en estadsticas, podemos encontrar con frecuencia
formas como las siguientes:

Sea la matriz de varianzas y covarianzas , con elementos como su elemento, a esta matriz se le
suele llamar, por simplicidad, matriz de covarianzas de Esta matriz a veces es denotada como o .
Claramente de manera que es simtrica. Considerando esto demuestre que

Si es un vector de constantes de dimensin y que es una variable aleatoria definida de la siguiente

manera , determine

Si adicionalmente, consideramos que es otro vector de constantes de dimensin y que demuestre

que
Considere ahora que es una matriz de constates de dimensin y que , demuestre
que y que

Si y son vectores aleatorios, entonces la matriz de covarianzas entre los componentes de y est dada
por , compruebe que esto es cierto.

y si y indique qu forma tendr la covarianza entre y .

Se pudo haber calculado de una forma ms directa, as

Aprovechando que se ha discutido y ejemplificado mucho con las covarianzas podemos introducir ahora la correlacin, que
como es sabido es una medida de relacin lineal que no est afectada por las unidades de medida en que estn expresas
las variables, por ejemplo, y , para stas el coeficiente de correlacin ser y est definido por

Cuando . La matriz de correlaciones que tiene a como su simo elemento, puede ser
expresada en trminos de la correspondiente matriz de covarianzas y de la matriz

diagonal especficamente,

Para cualquier vector con dimensin tenemos

Donde y adems debe ser definida no negativa porque lo es. En particular, si es la sima
columna de una matriz identidad se puede demostar que est acotado en el intervalo . Vase a
continuacin,

porque y
esto es porque

De lo anterior se obtienen las siguientes ecuaciones:

y despejando se llega a lo siguiente:

y de lo que se deduce que

Referencias
Schott, James (2005). Matrix Analysis for Statistics. Wiley. 456 p,Second Edition, New Jersey.

A.Novales(1996). Estadstica y Econometra.637 p., McGraw-Hill, Madrid