Regresión lineal
matematica_superior_aplicada@yahoo.ar Auxiliares de Cátedra: Javier Francesconi (jfrancesconi@frro.utn.edu.ar) (jfrancesconi@frro.utn.edu.ar) Juan Pablo Camponovo (jcamponovo@frro.utn.edu.ar) (jcamponovo@frro.utn.edu.ar) Juan Ignacio Manasaldi (jmanasaldi@frro.utn.edu.ar) (jmanasaldi@frro.utn.edu.ar)
www.modeladoeningenieria.edu.arwww.frro.utn.edu.ar/~jfrancesconi Alt+126
Recopilación y procesamiento de datos Experimentos – Medición
E = mc 2 y = a + bc
Modelo matemático del fenómeno físico-químico
Estimación de los parámetros del modelo
y = a0 + a1 x + a2 x 2 + L + an x n
y = ax + b
Modelos Lineales respecto a los parámetros
y = a + b ln( x)
y = ax b
Linealización
y = aebx = a exp(bx)
ln( y ) = ln(axb ) = ln a + b ln x ln(y ) = ln(aebx ) = ln a + bx y + = a + + bx +
y + = a + + bx
k Conductividad Térmica x x x x x x Temperatura
x
k = x1 + x2 T + x3T
r = Ax − y
min r
x≠0 2 2
2
= min Ax − y
x≠0
2 2
T
Vector términos independientes
Parámetros de Modelización
Matriz de las Funciones de Modelización
1 T1 1 T2 A= M M 1 TN
T12 T2 2 2 TN
k1 k y= 2M kN
x1 x = x2 x3
v Velocidad de Reacción x x x x x x Temperatura
1 1 T 1 1 1 A = T2 M M 1 1 TN
x
v = ke
−
E RT
E = k exp − RT
E 1 ln v = ln( k ) − R T y = a + bx
r = A p − y min r 2 = min A p − y 2 x≠0 x≠0
2
2
T
Vector términos independientes
Parámetros de ModelizaciónMatriz de las Funciones de Modelización
ln v1 ln v y= 2 M ln vN
ln(k ) a p= = E = b − R
Si queremos ajustar los siguientes datos por una recta
( xi , yi )
x 65.7 66.8 67.2 69.3 69.8 70.5 70.9 y 62 64 65 69 70 71 72
72 71 70 69 68 67 66 65 64 63 62 65 y
y = mx + h
xi
65.7 66.8 67.2 69.3 69.8 70.5 70.9
yi
1 62 64 1 65 1 m 1 = 69 h 1 70 1 71 72 1
66
67
68 x
69
70
71
Métodos de Mínimos Cuadrados
Sum = ∑ ( yi − yi
N i =1 * 2
y x x
y
* 1
x x
) = ∑ ( y − ( mx
N i =1 i
i
+ h))
2
x x
x1
x
Condición de Mínimo
y1
x
m=
yx − y x x2 − x
2
∂Sum =0 ∂m ∂Sum =0 ∂h
1 J= N
y = mx1 +h
* 1
∑j
i =1
N
i
y2* = mx2 + h M y N * = mxN + h
h = y − mx
%Mínimos Cuadrados m=(y*x‘/n-sum(y)/n*sum(x)/n)/(x*x‘/n-(sum(x)/n)^2) h=(sum(y)-m*sum(x))/n
Técnicas Matriciales - Ecuaciones Normales
r1 65.7 r 66.8 2 r3 67.2 r4 = 69.3 r5 69.8 r6 70.5 r 70.9 7 1 62 64 1 65 1 m 1 − 69 h 1 70 1 71 72 1
min r
x ≠0
T
2 2
= min Ax − y
x ≠0
T
2 2
A Ax − A y = 0
x = ( ata ) b = A A
−1 T
65.7 66.8 67.2 69.3 69.8 70.5 70.9 1 1 1 1 A 1 1 1
(
)
−1
A A x=A y { {
T T
A y
T
ata
b
62 64 65 69 70 71 72 65.7 66.8 67.2 69.369.8 70.5 70.9 1 1 1 1 1 1 1 1444444442444444444 4 3
AT
65.7 66.8 67.2 69.3 69.8 70.5 70.9 1 1 1 1 1 1 1 1444444442444444444 4 3
AT
197797 / 6 2401 / 5 T ata = A A 2401 / 5 7
162473 / 5 T 473 b = A y
197797 / 6 2401 / 5 x1 162473 / 5 = 2401 / 5 7 x2 473
Eliminación Gausiana
x1 m 1.9144 x = h = −63.7903 2
%Ecuaciones Normales A=[t', ones(n,1)] ata= A'*A aty= A'*y' x=ata\aty
Descomposición QR
min r
x≠0 2 2
= min Ax − y
x≠0
2 2
A = QR
Q QRx = Q y
T T
64 744 4p 8 r11 r12 L r1 p a11 L a1 p 0 r L M a 22 a2 p q11 L q1N 21 0 0 O rp −1 p M = M M N M 0 0 0 rpp M M qN 1 L qNN 144 244 M...
Regístrate para leer el documento completo.