| 1 | |
| 2 | = Combinación de variables = |
| 3 | |
| 4 | == Combinación de variables con una sóla ecuación == |
| 5 | |
| 6 | Otro ejercicio bastante sencillo que podemos imaginar es aquel formado |
| 7 | por un conjunto de variables aleatorias (de tipo real) que siguen distribuciones |
| 8 | normales (e independientes) sujetas a una restricción formada por una sola ecuación. |
| 9 | |
| 10 | === Caso de tres variables === |
| 11 | |
| 12 | Por sencillez trataremos detalladamente el caso de tres variables: |
| 13 | |
| 14 | Dadas vA, vB y vC (variables a priori): |
| 15 | {{{ |
| 16 | vA ~ N(muA, sigmaA) |
| 17 | vB ~ N(muB, sigmaB) |
| 18 | vC ~ N(muC, sigmaC) |
| 19 | }}} |
| 20 | encontrar las wA, wB y wC (variables a posteriori) que satisfagan: |
| 21 | {{{ |
| 22 | a*wA + b*wB + c*wC == d |
| 23 | }}} |
| 24 | |
| 25 | === Solución determinista === |
| 26 | |
| 27 | De acuerdo al método utilizado para encontrar la solución determinista |
| 28 | (no como variables aleatorias) del sistema reduciendo la |
| 29 | distacia de Mahalanobis de la solución Z al punto de partida Mu: |
| 30 | {{{ |
| 31 | Z = Sigma2·B' · (B·Sigma2·B')**-1 · (C-B·Mu) + Mu |
| 32 | }}} |
| 33 | donde: |
| 34 | {{{ |
| 35 | Z' = (zA, zB, zC) |
| 36 | Mu' = (muA, muB, muC) |
| 37 | Sigma2 = ((sigmaA**2, 0, 0), (0, sigmaB**2, 0), (0, 0, sigmaC**2)) |
| 38 | }}} |
| 39 | y utilizando la restricción: |
| 40 | {{{ |
| 41 | B = ((a, b, c)) |
| 42 | C = ((d)) |
| 43 | }}} |
| 44 | encontramos: |
| 45 | {{{ |
| 46 | { zA = muA + a * sigmaA**2 * (d - a*muA - b*muB - c*muC) / (a*sigmaA**2 + b*sigmaB**2 + c*sigmaC**2) |
| 47 | Z = { zB = muB + b * sigmaB**2 * (d - a*muA - b*muB - c*muC) / (a*sigmaA**2 + b*sigmaB**2 + c*sigmaC**2) |
| 48 | { zC = muC + c * sigmaC**2 * (d - a*muA - b*muB - c*muC) / (a*sigmaA**2 + b*sigmaB**2 + c*sigmaC**2) |
| 49 | }}} |
| 50 | |
| 51 | === Solución como variables aleatorias === |
| 52 | |
| 53 | Como hicimos antes ahora planteamos la solución a la combinación desde un punto de vista estadístico. |
| 54 | |
| 55 | Dada la simetría de la combinación, la solución para una de las variables nos valdrá para |
| 56 | las demás, modificándola convenientemente. |
| 57 | |
| 58 | La distribución a posteriori para la variable A viene dada por dos contribuciones: |
| 59 | una debida a su información a priori (vA) y otra causada por el sistema de ecuaciones |
| 60 | y el resto de información a priori. |
| 61 | |
| 62 | Mientras que en el ejemplo anterior la restricción formaba un espacio con un grado de libertad, |
| 63 | en el ejemplo que nos ocupa el espacio tiene dos grados de libertad, de modo que para un valor |
| 64 | de la variable A encontramos toda una recta de valores de las variables B y C compatibles. |
| 65 | |
| 66 | Así pues podemos escribir la función de densidad a posteriori de la |
| 67 | variable A (fwA) proporcional al producto de su función de densidad a priori (fvA) y la |
| 68 | función de densidad a priori obtenida mediante la ecuación (a*wA+b*wB+c*wC==d) que podemos escribir como: |
| 69 | {{{ |
| 70 | fvBC(x) = Integrate(fNormal(muB, sigmaB, y) * fNormal(muB, sigmaB, (d-a*x-b*y)/c), {y, -infinite, infinite}) |
| 71 | }}} |
| 72 | de modo que: |
| 73 | {{{ |
| 74 | fwA(x) = k * fvA(x) * fvBC(x) = k * fNormal(muA, sigmaA, x) * fvBC(x) |
| 75 | }}} |
| 76 | |
| 77 | Se puede comprobar que esta función de densidad es la de una distribución normal: |
| 78 | {{{ |
| 79 | wA ~ N(muA_BC, sigmaA_BC) |
| 80 | }}} |
| 81 | con los siguientes parámetros: |
| 82 | {{{ |
| 83 | muA_BC = (a * (d - b*muB - c*muC) * sigmaA**2 + muA * ((b*sigmaB)**2 + (c*sigmaC)**2)) / ((a*sigmaA)**2 + (b*sigmaB)**2 + (c*sigmaC)**2) |
| 84 | sigmaA_BC = sigmaA * Sqrt((b*sigmaB)**2 + (c*sigmaC)**2) / Sqrt((a*sigmaA)**2 + (b*sigmaB)**2 + (c*sigmaC)**2) |
| 85 | }}} |
| 86 | |
| 87 | Se puede comprobar que esta solución es coherente con el resultado del ejemplo anterior. Usando los valores: |
| 88 | a=1, b=-1, c=0 y d=0 se obtiene: |
| 89 | {{{ |
| 90 | muA_BC = (- muB * sigmaA**2 + muA * sigmaB**2) / (sigmaA**2 + sigmaB**2) |
| 91 | sigmaA_BC = sigmaA * sigmaB / Sqrt(sigmaA**2 + sigmaB**2) |
| 92 | }}} |
| 93 | |
| 94 | Utilizando la simetría de la combinación podemos obtener las restantes variables como: |
| 95 | {{{ |
| 96 | wA ~ N(muA_post, sigmaA_post) |
| 97 | wB ~ N(muB_post, sigmaB_post) |
| 98 | wC ~ N(muC_post, sigmaC_post) |
| 99 | }}} |
| 100 | cuyos parámetros se pueden escribir como: |
| 101 | {{{ |
| 102 | muX_post = (x * (Dm + x*muX) * sigmaX**2 + muX * (S2 - (x*sigmaX)**2)) / (S2) |
| 103 | sigmaX_post = sigmaX * Sqrt(S2 - (x*sigmaX)**2) / Sqrt(S2) |
| 104 | }}} |
| 105 | donde: |
| 106 | {{{ |
| 107 | S2 := (a*sigmaA)**2 + (b*sigmaB)**2 + (c*sigmaC)**2 |
| 108 | Dm := d -a*muA - b*muB - c*muC |
| 109 | }}} |
| 110 | sustituyendo 'x' y 'X' por 'a', 'b' o 'c' y 'A', 'B' o 'C' respectivamente. |