Algoritmos Genticos y Sistemas Entrenables

Trabajo # 3: Regresin Lineal y No Lineal

Integrantes:
Barquisimeto, Marzo de 2014
Recordemos que:
Lineal





Polinominal
Mtodo de Mnimos cuadrados: Consiste en
determinar aquellos estimadores de 0 y 1 que minimizan la
suma de cuadrados de los errores i. Esto es:


Del modelo lineal simple:
Donde:
Elevando al cuadrado:
Segn el mtodo de mnimos cuadrados, los estimadores de 0 y
1 deben cumplir con las siguientes ecuaciones
Al derivar se
obtiene un
sistema de 2
ecuaciones
denominadas
Ecuaciones
Normales.
Soluciones:
La proporcin de la variacin total enY que
puede ser explicada por la variacin en X, se le
denomina Coeficiente de Determinacin. Esto
es, el porcentaje de que tan eficiente es el
modelo de regresin lineal para estimar los
valores posteriores o futuros del modelo.
Se recomienda un coeficiente de
determinacin entre 0.90 y 1.
La regresin no lineal es un problema
de inferencia para un modelo basado
en datos multidimensionales. En
muchos casos, si la recta de regresin
no ajusta correctamente al conjunto
de datos bivariados, se puede lograr
hacer un ajuste de otras curvas
conocidas. En algunos casos el
procedimiento consiste en aplicar, a
los datos, transformaciones previas
que permitan la linealizacin de la
relacin entre las variables, para luego
aplicar el mtodo de losmnimos
cuadrados.
Regresin Exponencial: En determinados experimentos,
en su mayora biolgicos, la dependencia entre las variables X e
Y es de forma exponencial, en cuyo caso interesa ajustar a la
nube de puntos una funcin del tipo.
Linealizando:
Usando la forma lineal de la regresin exponencial:
Regresin Logaritmica: La curva logaritmica tambien
representa a una recta, con la diferencia de que no est referida
a las variables originales X y Y, si no a las varibles Ln(x) y Y.
La determinacin de los parmetros a y b estan definidos por las
siguientes ecuaciones:
Regresin Polinomial: En muchas situaciones, la relacin
que existe entre una variable regresora(independiente) X y una
variable de respuesta (dependiente) Y , se representa mediante el
modelo de regresin polinomial de segundo orden siendo ste un
caso particular de la regresin lineal de multiples variables. Para el
caso cuadrtico, es denominado parbola mnimo cuadrtica.
Derivando
Parcialmente:
Resolver el sistema de ecuaciones S,
por lo medios conocidos como
:interaciones, forma escalona reducida
por fila (FERF, matrices), sustitucin de
variables, entre otros.
A continuacin se presentan un hiper-vnculo
con algunos ejemplos en Microsoft Excel
2007, aplicando los mtodos de regresin
tanto lineal como No Lineal.


Gracias por su Atencin