Zadania do wyk ladu ,,Modele liniowe”
dla IV roku matematyki, zastosowania rach. prob i stat. r.a. 2010/2011 Lista nr 3
1. Macierze blokowe maja
‘np. posta´c:
A =
"
P Q R S
# , gdzie macierze P i Q maja
‘jednakowa
‘liczbe
‘ wierszy, a macierze P i R maja
‘jednakowa
‘liczbe
‘kolumn itd.
Udowodni´c, ˙ze (a)
A0 =
"
P0 R0 Q0 S0
#
; (b)
AB =
"
P Q R S
# "
E G
#
=
"
PE + QG RE + SG
#
; (c)
AC =
"
P Q R S
# "
E F
G H
#
=
"
PE + QG PF + QH RE + SG RF + SH
# , zak ladaja
‘c, ˙ze wszystkie iloczyny istnieja
‘. 2. Wyznaczniki macierzy blokowych.
(a) Niech E i G be
‘da
‘macierzami kwadratowymi, a O macierza
‘z lo˙zona
‘z zer. Udowodni´c, ˙ze
E F
O G
=
|E||G|.
(b) Niech A i D be
‘da
‘macierzami kwadratowymi (by´c mo˙ze r´o˙znego stopnia), przy czym A niech be
‘dzie macierza
‘ nieosobliwa
‘. Udowodni´c, ˙ze
A C B D
= |A||D − BA−1C|. (Wskaz´owka do (b): Pomno˙zy´c macierz blokowa
‘ po lewej stronie przez macierz
"
I O
−BA−1 I
#
, gdzie I oznacza macierz jednostkowa
‘ odpowiedniego rozmiaru, a O macierz z lo˙zona
‘z zer, i skorzysta´c z wyniku zadania (a).)
3. ´Slad macierzy kwadratowej A, oznaczamy przez tr(A), definiujemy jako sume‘element´ow diagonal- nych tej macierzy. Udowodni´c:
(a) tr(A + B) = tr(A) + tr(B); (b) tr(AB) = tr(BA); (c) tr(S−1AS) = tr(A);
(d) tr(A) = rz(A), gdy A jest macierza
‘idempotentna
‘; (e) X0AX = tr(AXX0), gdzie X jest wektorem kolumnowym.
4. Wiadomo, ˙ze dla dowolnej macierzy A istnieja
‘nieosobliwe macierze B i C takie, ˙ze BAC = ∆, gdzie
∆ jest macierza
‘ diagonalna
‘. Niech ∆− oznacza macierz powstaja
‘ca
‘w wyniku zasta
‘pienia niezerowych element´ow macierzy ∆0 ich odwrotno´sciami. W´owczas A− = C∆−B jest uog´olniona
‘macierza
‘odwrotna do macierzy A. Udowodni´c, ˙ze dla tak skonstruowanej macierzy A− zachodzi: a) A−AA− = A−; b)‘ (A−)−= A; c) rz(A−) = rzA.
5. Niech A be
‘dzie macierza
‘stopnia m × n rze
‘du r. Istnieje nieosobliwa podmacierz B rze
‘du r; macierz te‘ mo˙zna otrzyma´c przez ewentualne skre´slenie niekt´orych wierszy i kolumn macierzy A. Macierz A, przez odpowiednie przestawienie wierszy i kolumn mo˙ze by´c zapisana w postaci naste
‘puja
‘cej macierzy blokowej:
A =
"
B C D E
# .
a) Sprawdzi´c (zauwa˙zywszy, ˙ze E = DB−1C), ˙ze macierz A−=
"
B−1 O
O O
#
jest uog´olniona‘macierza‘odwrotna‘do macierzy A.
b) Udowodni´c, ˙ze A−AA−= A−. c) Rozpatrzmy macierz
A−0 =
"
B−1 −K
O I
# ,
gdzie K jest taka
‘macierza
‘, ˙ze BK = C oraz DK = E. Udowodni´c, ˙ze macierz A−0 jest r´ownie˙z uog´olniona macierza ‘
‘odwrotna
‘do macierzy A i ponadto rz(A−0) = min(m, n).
6. Wyznaczy´c uog´olnione macierze odwrotne (je´sli mo˙zna, to wie
‘cej ni˙z jedna
‘) dla naste
‘puja
‘cych macierzy:
a) A =
4 1 2 1 1 5 3 1 3
, b) B =
1 2 5 2
3 7 12 4 0 1 −3 −2
.
7. W celu oszacowania parametr´ow θ i φ mo˙zna dokona´c obserwacji trzech typ´ow:
a) warto´s´c oczekiwana obserwowanej zmiennej losowej jest r´owna θ, b) warto´s´c oczekiwana obserwowanej zmiennej losowej jest r´owna θ + φ, c) warto´s´c oczekiwana obserwowanej zmiennej losowej jest r´owna θ − 2φ.
Niech wszystkie obserwacje be
‘da
‘nieskorelowane ze sta la
‘wariancja
‘σ2. Wyznaczy´c estymatory MNK ˆθ i ˆφ w przypadku, gdy mamy m obserwacji typu a), m obserwacji typu b) i n obserwacji typu c). Udowodni´c,
˙ze estymatory te nie sa
‘skorelowane przy m = 2n.
8. Udowodni´c, ˙ze ka˙zda funkcja parametryczna jest estymowalna wtedy i tylko wtedy, gdy macierz X0X jest nieosobliwa.
9. Udowodni´c, ˙ze funkcja liniowa a0Y ma minimalna
‘wariancje
‘ w klasie nieobcia
‘˙zonych estymator´ow swojej warto´sci oczekiwanej wtedy i tylko wtedy, gdy
Cov(a0Y , b0Y ) = 0 (1)
dla wszystkich b takich, ˙ze
E(b0Y ) = 0. (2)
(Wskaz´owka: Zauwa˙zy´c, ˙ze (1) jest r´ownowa˙zne r´owno´sci a0b = 0, a (2) jest r´ownowa˙zne r´owno´sci b0X = 0.) 10. Udowodni´c, ˙ze je´sli macierz X0X jest nieosobliwa, to
R20 = Y0[I − X(X0X)−1X0]Y =
Y0Y X0Y Y0X X0X
|X0X| . 11. Rozpatrzmy model liniowy (Y , Xβ, σ2V), gdzie V jest macierza
‘dodatniookre´slona
‘. Udowodni´c, ˙ze ka˙zde rozwia
‘zanie r´ownania X0V−1Xβ = X0V−1Y minimalizuje forme
‘ kwadratowa
‘(Y − Xβ)0V−1(Y − Xβ).
12. Przypu´s´cmy, ˙ze nale˙zy wybra´c model regresji postaci
E(Yi) = β0+ β1xi+ β2φ(xi), i = 1, 2, 3,
gdzie φ(x) jest wielomianem drugiego stopnia. Znale´z´c taki wielomian φ(x), dla kt´orego przy x1= −1, x2 = 0, x3= 1 macierz planu X ma wzajemnie ortogonalne kolumny.
13. Metoda najmniejszych kwadrat´ow przy ograniczeniach na parametry: mno˙zniki Lagrange’a. Niech Y = Xβ + ε, gdzie X jest macierza
‘rozmiaru n × m rze
‘du m. Minimalizujemy sume
‘ kwadrat´ow b led´ow ε0ε przy ograniczeniach Aβ = c, gdzie A jest znana
‘macierza
‘rozmiaru q × m rze
‘du q, a c jest znanym wektorem o q sk ladowych.
a) Stosuja
‘c metode
‘ mno˙znik´ow Lagrange’a wykaza´c, ˙ze rozwia
‘zaniem odpowiednich r´owna´n w zadaniu na minimalizacje
‘sumy kwadrat´ow b le
‘d´ow przy zadanych ograniczeniach jest wyra˙zenie:
βˆH = ˆβ + (X0X)−1A0[A(X0X)−1A0)−1(c − Aˆβ), gdzie ˆβ jest estymatorem MNK wektora β, wyznaczonym odpowiednia
‘procedura
‘, bez ogranicze´n na parame- try.
b) Udowodni´c, ˙ze ˆβH minimalizuje ε0ε przy warunku Aβ = c.
(Wskaz´owka: zob. np. G.A.F. Seber, Linear Regression Analysis, New York 1977. W naszej bibliotece jest przek lad rosyjski.)
ML-11-3.tex
11.4.2010 r. J. Bartoszewicz