Autor Tema: Aproximación de funciones por mínimos cuadrados

0 Usuarios y 1 Visitante están viendo este tema.

09 Junio, 2011, 10:39 pm
Leído 3078 veces

navajo

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 128
  • Karma: +0/-0
  • Sexo: Masculino
Hola! Os quiero preguntar un problema:

Aproximar por mínimos cuadrados una función del tipo \( y= a \sin^b(2x) \):

Lo que tengo que hacer es adaptar un modelo lineal (\( Y=Ax+B \)) a este problema tomando log en la ecuación \( y= a \sin(2x) \):

es decir

\( y= a \sin(2x) \)

\( Ln\:{y} = Ln\:{a} +Ln\:({\sin^b{2x}}) = Ln\:{a} +b \: Ln\:({\sin{2x}}) \)

siendo

\( x=Ln \: sin(2x) \)

\( A=b \)

\( Y = Ln\:y \)

Esto último no estoy muy seguro.  ¿Alguien me ayuda??

11 Junio, 2011, 05:44 pm
Respuesta #1

oveka

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 294
  • Karma: +1/-0
  • Sexo: Masculino
Esta bien.
Pero cuando los dados experimentales (Y) tienen la derivaciones suficiente grandes de Y teoreticos
coeficientes de la ecuacion no son exactos.

 

11 Junio, 2011, 05:51 pm
Respuesta #2

navajo

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 128
  • Karma: +0/-0
  • Sexo: Masculino

11 Junio, 2011, 06:23 pm
Respuesta #3

oveka

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 294
  • Karma: +1/-0
  • Sexo: Masculino
1. Calculamos Lna y b.
2. Calculamos a.
3. Tenemos la funcion. Esta correcto.
!Pero cuando diferencias entre dados experimentales y calculados son grandes a y b son erroneos!
Sobre este podemos no hablar a otras personas.
?Entiendes?

25 Julio, 2011, 05:35 pm
Respuesta #4

Arturo Gómez

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 388
  • País: br
  • Karma: +0/-0
  • Sexo: Masculino
Creo que la confusión es la siguiente: el método de mínimos cuadrados nos asegura que, dado un modelo y unos datos, los parámetros obtenidos son los que mejor aproximan los datos según ese modelo. Ese es el problema de cálculo numérico.
El otro problema, si el modelo (y los parámetros estimados) son adecuados para representar la realidad, es de carácter estadístico.

27 Julio, 2011, 07:56 am
Respuesta #5

oveka

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 294
  • Karma: +1/-0
  • Sexo: Masculino
Creo que la confusión es la siguiente: el método de mínimos cuadrados nos asegura que, dado un modelo y unos datos, los parámetros obtenidos son los que mejor aproximan los datos según ese modelo. Ese es el problema de cálculo numérico.
El otro problema, si el modelo (y los parámetros estimados) son adecuados para representar la realidad, es de carácter estadístico.
La confusión es la siguiente: el método de mínimos cuadrados para un modelo dado y unos datos recibe los parámetros que no son los que mejor aproximan los datos según ese modelo. Porque nosotros operamos con dados transformados.

28 Julio, 2011, 04:10 am
Respuesta #6

Arturo Gómez

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 388
  • País: br
  • Karma: +0/-0
  • Sexo: Masculino
Entendí.
ln(y )= ln(a) + b ln(sin(x))
 Y     =   A     + b X

Haciendo X = sin(x), Y = ln(y)

Cómo hacemos con los datos.
Queda una matriz  que en una columna tiene todos los Xi = sin(xi) y en la otra todos unos, multiplicada por un vector columna con dos componentes: (b,A), igualado a un vector columna con los ln(yi) = Yi

Y ahí se resuelve por mínimos cuadrados.

28 Julio, 2011, 09:55 am
Respuesta #7

oveka

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 294
  • Karma: +1/-0
  • Sexo: Masculino
Comprendemos ln(y) y ln(sen(2x)) como las variables nuevos.
Por ellas formamos el sistema normal (lineal), resolvemoslo y
recibiremos lna y b. Entonces tenemos la a y la b.
Pero mínimos cuadrados estan recebido por las variables transformadas.
En campo de las variables iniciales el sumo no es mínimo.
Mas grandes derivaciones - mas grande error de la a y la b.
?Te sirve?

28 Julio, 2011, 04:52 pm
Respuesta #8

Arturo Gómez

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 388
  • País: br
  • Karma: +0/-0
  • Sexo: Masculino
Bueno, aquí está hecho el problema con un ejemplo, y me da bastante parecido.
Para unos parámetros arbitrarios, calculé según el modelo original y perturbé con una variación aleatoria.
Transformo y resuelvo el modelo transformado
Antitransformo, los parámetros me dan prácticamente lo mismo (la diferencia se debe a la perturbación aleatoria introducida)
También está la posibilidad de plantearlo como un problema de optimización, sin transformar los datos (se resuelve fácil con solver), debería dar lo mismo.

Atención: log(sin(x)) está definido para sin(x) >0

29 Julio, 2011, 06:00 am
Respuesta #9

oveka

  • $$\Large \color{#5e8d56}\pi\,\pi\,\pi$$
  • Mensajes: 294
  • Karma: +1/-0
  • Sexo: Masculino
!Salud, Artur!
Para a=50 y b=2 habiamos recibido las estimaciones
a=50.90698 y b=2.06
El mínimo en dados transformados.
Salud de Ucrania.