Autor Tema: Mínimos cuadrados

0 Usuarios y 1 Visitante están viendo este tema.

16 Marzo, 2012, 04:04 pm
Leído 1879 veces

Héctor Manuel

  • Lathi
  • Mensajes: 3,701
  • País: mx
  • Karma: +0/-0
  • Sexo: Masculino
Hola. Estoy haciendo un problema de mínimos cuadrados.

Me dan un conjunto de 13 datos \( \{(x_i,c_i)\}_{i=1}^{13} \).  Debo hallar la función \( f(x;a,b,c,d)=a+be^{-xc}\cos(dx) \).  El problema que tengo es que los datos que me dan son muy grandes, de modo que mathematica me bota desde el inicio con un overflow.

Estaba pensando en definir una función de la forma \( g(x;a,b,c,d)=\frac{f(x;a,b,c,d)}{2^N} \) de tal manera que los datos no sean tan grandes y así evitarme el overflow.

Mi duda en concreto es: ¿Este renombramiento de la función afecta el valor de las \( x_i \)?, o de otra manera, suponiendo que \( (a',b',c',d') \) hacen que \( g(x;a',b',c',d') \) sea la mejor curva que ajusta a los datos en el sentido de mínimos cuadrados, y \( (a,b,c,d) \) lo hacen con la función \( f \), ¿Cómo se relacionan \( (a',b',c',d') \) y \( (a,b,c,d) \)?

En caso de que mi idea sea errónea, ¿cómo puedo hacer para resolver el problema original y evitarme los overflow?

Saludos y gracias.

16 Marzo, 2012, 05:44 pm
Respuesta #1

pierrot

  • pabloN
  • Moderador Global
  • Mensajes: 3,447
  • País: uy
  • Karma: +0/-0
  • Sexo: Masculino
Hola hector manuel

A ver si entiendo. Tienes una serie de datos \( \{(t_i,y_i)\}_{i=1,\dots,13} \) y tu función de ajuste es \( f(x_1,x_2,x_3,x_4,t)=x_1+x_2e^{-x_3t}\cdot\cos(x_4t) \). Es no lineal en los parámetros, así que no sé bien cuál es el método que vas a emplear. Yo el que conozco es el de Gauss-Newton. Si llamamos \( X=\left[{\begin{array}{ccc}{x_1}\\{x_2}\\{x_3}\\{x_4}\end{array}\right] \) al vector de parámetros, podemos referirnos a la función de ajuste como \( f(X,t) \).

Si definimos la función residuo \( R:\mathbb{R}^4\rightarrow{}\mathbb{R}^{13} \) como:

\( R(X)=\left[{\begin{array}{ccc}{F(X,t_1)-y_1}\\{F(X,t_2)-y_2}\\{\vdots}\\{F(X,t_{13})-y_{13}}\end{array}\right] \)

entonces se busca determinar \( \hat{X} \) tal que \( \displaystyle  \left\|{R(\hat{X})}\right\|_2^2=\min_{X\in \mathbb{R}^4} \left\|{R(X)}\right\|_2^2 \). ¿Está bien mi interpretación?

Entonces si mi interpretación es correcta, el problema planteado anteriormente (de mínimos cuadrados no lineal) se puede resolver por el método de Gauss-Newton y en ningún momento necesitas evaluar \( f \). Por eso me confunde que quieras "achicar" \( f \) dividiéndola entre un número grande. Das a entender que el overflow se diera al evaluar \( f \), pero en realidad lo que precisas no es evaluar \( f \) sino el jacobiano de la función residuo.

Hmmm bueno, en realidad lo que dije antes es mentira porque para evaluar el residuo necesitarás evaluar \( f \). ¿Es ahí donde está el problema? Supongo yo además que los que tienen que ser muy grandes para darte overflow han de ser los \( y_i \) porque los \( t_i \) no debieran embromar mucho. Aparece un \( e^{-x_3t} \) que si \( t \) es muy grande (y \( x_3>0 \)) resultará un número pequeño. Y después \( \cos(x_4t) \) está acotado independientemente de \( t \), tampoco puede darse el overflow ahí.

Saludos
$_="loe  hnachaPkr erttes,urJ";$j=0;for($i=0;s/(.)(.{$j})$//;$i++){$_=$2.$_,$j+=1-$i%2,print$1}print

16 Marzo, 2012, 06:24 pm
Respuesta #2

pierrot

  • pabloN
  • Moderador Global
  • Mensajes: 3,447
  • País: uy
  • Karma: +0/-0
  • Sexo: Masculino
Pensándolo mejor, creo que es conveniente dividir entre \( 2^N \) cada componente del residuo en vez de dividir sólo a \( f \). Es decir, definir \( \bar{R}(X)=\displaystyle \frac{1}{2^N}R(X) \). Quedaría:

\( \bar{R}(X)=\left[{\begin{array}{ccc}\displaystyle \frac{F(X,t_1)-y_1}{2^N}\\\displaystyle \frac{F(X,t_2)-y_2}{2^N}\\\displaystyle {\vdots}\\\displaystyle \frac{F(X,t_{13})-y_{13}}{2^N}\end{array}\right] \)

Si hacemos eso, ahí sí conciden las soluciones de \( (P_1) \) y \( (P_2) \) siendo

\( (P_1):\quad \min_{X\in \mathbb{R}^4} \left\|{R(X)}\right\|_2^2 \)

\( (P_2):\quad \min_{X\in \mathbb{R}^4}\left\|{\bar{R}(X)}\right\|_2^2 \)

ya que \(  \left\|{\bar{R}(X)}\right\|_2^2= \big\|{\displaystyle \frac{1}{2^N}R(X)}\big\|_2^2=\displaystyle \frac{1}{2^{N+1}} \left\|{R(X)}\right\|_2^2 \). Si se minimiza el erorr cuadrático en \( (P_2) \) se minimiza para \( (P_1) \) y recíprocamente. Y en \( (P_2) \) no tendremos problemas de overflow (supongo).

Saludos
$_="loe  hnachaPkr erttes,urJ";$j=0;for($i=0;s/(.)(.{$j})$//;$i++){$_=$2.$_,$j+=1-$i%2,print$1}print

16 Marzo, 2012, 09:23 pm
Respuesta #3

Héctor Manuel

  • Lathi
  • Mensajes: 3,701
  • País: mx
  • Karma: +0/-0
  • Sexo: Masculino
Hola.  Resultó que el problema era más simple: el modelo estaba mal. La función correcta debe ser \( f(t)=a+be^{-ct}\cos(d(t-r)) \)

Ahora el problema lo tengo para dar el vector inicial \( (a_0,b_0,c_0,d_0,r_0) \) para hacer las iteraciones, y sí, se trata de Gauss-Newton.

Resumo entonces el problema:

Es claro que  \( (a_0,b_0,c_0,d_0,r_0) \) debe estar cerca del punto verdadero (el que minimiza).  Este punto verdadero lo desconozco. Lo intenté hallar con NonlinearFitModel en mathematica, pero no funcionó. Leyendo en un artículo encontré el mismo problema, pero con otros datos, y dice que ellos lo obtuvieron usando paqueteria en Matlab.  Sin embargo yo no sé usar Matlab, así que lo único que les pido ahora es cuál sería el vector verdadero (el que minimiza).

Los datos son:

(0,82),  (0.333333333,164),   (0.666666667,187),   (1,176),   (1.333333333,140),   (1.666666667,163),   (2,161),   (2.166666667,152),   (2.333333333,147),(2.666666667,85),   (3,65),   (3.333333333,42),   (3.5,58)

Una vez teniendo el vector verdadero voy a poder proponer el vector inicial \( (a_0,b_0,c_0,d_0,r_0) \) para generar la aproximación a dicho vector verdadero. Dicho sea de paso, el programa para hacer lo anterior ya lo tengo hecho, y lo he verificado con otros problemas de aproximación no lineal para mínimos cuadrados, y estoy seguro de que está bien, de modo que únicamente me falta la ayuda que les he pedido.

Saludos y gracias.

19 Marzo, 2012, 05:07 pm
Respuesta #4

Luis Fuentes

  • el_manco
  • Administrador
  • Mensajes: 58,907
  • País: es
  • Karma: +0/-0
Hola

 Todo esto me parece un poco extraño. Lo he entendido mal o ¿quieres aplicar un método numérico para obtener un punto óptimo y para elegir el punto inicial quieres que te demos el punto óptimo?.  ???

Saludos.