Anterior: lsquares, Subir: lsquares [Índice general][Índice]
Estima los parámetros a que mejor se ajusten a la ecuación e
de variables x y a a los datos D por el método de los
mínimos cuadrados. La función lsquares_estimates
busca primero una solución exacta, y si no la encuentra, buscará
una aproximada.
El resultado es una lista de listas de ecuaciones de la forma
[a = ..., b = ..., c = ...]. Cada elemento de la lista es un
mínimo diferente de error cuadrático medio.
Los datos deben darse en formato matricial. Cada fila es un dato (el cual suele
denominarse ‘registro’ o ‘caso’ en ciertos contextos), y las columnas contienen los
valores para cada una de las variables. La lista de variables x asigna un nombre
a cada una de las columnas de D, incluso a aquellas que no intervienen en el
análisis. La lista a asigna nombres a los parámetros cuyas estimaciones se
buscan. El argumento e es una expresión o ecuación de variables x y a;
si e no es una ecuación (es decir, carece de igualdad), se trata como si
fuese e = 0.
Se pueden dar argumentos adicionales a lsquares_estimates en forma de ecuaciones,
las cuales se pasan tal cual a la función lbfgs, que es la que se encarga de
calcular las estimaciones por el método numérico cuando no encuentra una
solución exacta.
Cuando se pueda encontrar una solución exacta, mediante solve, los datos
en D pueden contener valores no numéricos. Sin embargo, cuando no exista
solución exacta, todos los elementos de D deben ser necesariamente
numéricos, lo cual incluye constantes numéricas tales como %pi o %e
y números literales (enteros, racionales y decimales en coma flotante, tanto los de doble
precisión como los de precisión arbitraria).
Los cálculos numéricos se realizan en doble precisión con aritmética de
punto flotante, por lo que números de cualesquiera otro tipo son
convenientemente convertidos antes de proceder con los cálculos.
Antes de utilizar esta función ejecútese load("lsquares").
Véanse también
lsquares_estimates_exact,
lsquares_estimates_approximate,
lsquares_mse,
lsquares_residuals
y lsquares_residual_mse.
Ejemplos:
Un problema con solución exacta.
(%i1) load ("lsquares")$
(%i2) M : matrix (
[1,1,1], [3/2,1,2], [9/4,2,1], [3,2,2], [2,2,1]);
[ 1 1 1 ]
[ ]
[ 3 ]
[ - 1 2 ]
[ 2 ]
[ ]
(%o2) [ 9 ]
[ - 2 1 ]
[ 4 ]
[ ]
[ 3 2 2 ]
[ ]
[ 2 2 1 ]
(%i3) lsquares_estimates (
M, [z,x,y], (z+D)^2 = A*x+B*y+C, [A,B,C,D]);
59 27 10921 107
(%o3) [[A = - --, B = - --, C = -----, D = - ---]]
16 16 1024 32
un problema para el que no se encuentra solución exacta,
por lo que lsquares_estimates recurre a la aproximación numérica.
(%i1) load ("lsquares")$
(%i2) M : matrix ([1, 1], [2, 7/4], [3, 11/4], [4, 13/4]);
[ 1 1 ]
[ ]
[ 7 ]
[ 2 - ]
[ 4 ]
[ ]
(%o2) [ 11 ]
[ 3 -- ]
[ 4 ]
[ ]
[ 13 ]
[ 4 -- ]
[ 4 ]
(%i3) lsquares_estimates (
M, [x,y], y=a*x^b+c, [a,b,c], initial=[3,3,3], iprint=[-1,0]);
(%o3) [[a = 1.387365874920637, b = .7110956639593767,
c = - .4142705622439105]]
Estima los valores de los parámetros a que minimizan el error
cuadrático medio MSE mediante un sistema de ecuaciones que intentará
resolver simbólicamente con solve. El error cuadrático medio es una
expresión con parámetros a, como los devueltos por lsquares_mse.
El valor devuelto por la función es una lista de listas de ecuaciones de la
forma [a = ..., b = ..., c = ...]. El resultado puede contener cero, uno o
más elementos. Cuando la respuesta contiene más de una solución, todas ellas
representan mínimos del error cuadrático medio.
Véanse también
lsquares_estimates,
lsquares_estimates_approximate,
lsquares_mse,
lsquares_residuals
y lsquares_residual_mse.
Ejemplo:
(%i1) load ("lsquares")$
(%i2) M : matrix (
[1,1,1], [3/2,1,2], [9/4,2,1], [3,2,2], [2,2,1]);
[ 1 1 1 ]
[ ]
[ 3 ]
[ - 1 2 ]
[ 2 ]
[ ]
(%o2) [ 9 ]
[ - 2 1 ]
[ 4 ]
[ ]
[ 3 2 2 ]
[ ]
[ 2 2 1 ]
(%i3) mse : lsquares_mse (M, [z, x, y], (z + D)^2 = A*x + B*y + C);
5
====
\ 2 2
> ((D + M ) - C - M B - M A)
/ i, 1 i, 3 i, 2
====
i = 1
(%o3) ---------------------------------------------
5
(%i4) lsquares_estimates_exact (mse, [A, B, C, D]);
59 27 10921 107
(%o4) [[A = - --, B = - --, C = -----, D = - ---]]
16 16 1024 32
Estima los valores de los parámetros a que minimizan el error
cuadrático medio MSE mediante el algoritmo numérico lbfgs.
El error cuadrático medio es una expresión con parámetros a,
como los devueltos por lsquares_mse.
La solución devuelta por la función es un mínimo local (posiblemente global) del error cuadrático medio.
Por consistencia con lsquares_estimates_exact, el valor devuelto
es una lista anidada con un único elemento, consistente en una lista
de ecuaciones de la forma [a = ..., b = ..., c = ...].
Los argumentos adicionales de lsquares_estimates_approximate
se especifican como ecuaciones y se pasan de esta forma a la función lbfgs.
MSE debe devolver un número cuando a sus parámetros se les
asignen valores numéricos, lo cual implica que los datos a partir de los
cuales se ha generado MSE contengan únicamente constantes numéricas
tales como %pi o %e y números literales (enteros, racionales y
decimales en coma flotante, tanto los de doble
precisión como los de precisión arbitraria).
Los cálculos numéricos se realizan en doble precisión con aritmética de
punto flotante, por lo que números de cualesquiera otro tipo son
convenientemente convertidos antes de proceder con los cálculos.
Antes de utilizar esta función ejecútese load("lsquares").
Véanse también
lsquares_estimates,
lsquares_estimates_exact,
lsquares_mse,
lsquares_residuals y lsquares_residual_mse.
Ejemplo:
(%i1) load ("lsquares")$
(%i2) M : matrix (
[1,1,1], [3/2,1,2], [9/4,2,1], [3,2,2], [2,2,1]);
[ 1 1 1 ]
[ ]
[ 3 ]
[ - 1 2 ]
[ 2 ]
[ ]
(%o2) [ 9 ]
[ - 2 1 ]
[ 4 ]
[ ]
[ 3 2 2 ]
[ ]
[ 2 2 1 ]
(%i3) mse : lsquares_mse (M, [z, x, y], (z + D)^2 = A*x + B*y + C);
5
====
\ 2 2
> ((D + M ) - C - M B - M A)
/ i, 1 i, 3 i, 2
====
i = 1
(%o3) ---------------------------------------------
5
(%i4) lsquares_estimates_approximate (
mse, [A, B, C, D], iprint = [-1, 0]);
(%o4) [[A = - 3.67850494740174, B = - 1.683070351177813,
C = 10.63469950148635, D = - 3.340357993175206]]
Devuelve el error medio cuadrático (MSE) para la ecuación e de variables x respecto de los datos D. El resultado devuelto es una suma, definida como
n
====
1 \ 2
- > (lhs(e ) - rhs(e ))
n / i i
====
i = 1
siendo n el número de datos y e[i] es la ecuación e
evaluada cuando a sus variables x se le asignan los valores asociados
al dato i-ésimo D[i].
Antes de utilizar esta función ejecútese load("lsquares").
Ejemplo:
(%i1) load ("lsquares")$
(%i2) M : matrix (
[1,1,1], [3/2,1,2], [9/4,2,1], [3,2,2], [2,2,1]);
[ 1 1 1 ]
[ ]
[ 3 ]
[ - 1 2 ]
[ 2 ]
[ ]
(%o2) [ 9 ]
[ - 2 1 ]
[ 4 ]
[ ]
[ 3 2 2 ]
[ ]
[ 2 2 1 ]
(%i3) mse : lsquares_mse (M, [z, x, y], (z + D)^2 = A*x + B*y + C);
5
====
\ 2 2
> ((D + M ) - C - M B - M A)
/ i, 1 i, 3 i, 2
====
i = 1
(%o3) ---------------------------------------------
5
(%i4) diff (mse, D);
5
====
\ 2
4 > (D + M ) ((D + M ) - C - M B - M A)
/ i, 1 i, 1 i, 3 i, 2
====
i = 1
(%o4) ----------------------------------------------------------
5
(%i5) ''mse, nouns;
2 2 9 2 2
(%o5) (((D + 3) - C - 2 B - 2 A) + ((D + -) - C - B - 2 A)
4
2 2 3 2 2
+ ((D + 2) - C - B - 2 A) + ((D + -) - C - 2 B - A)
2
2 2
+ ((D + 1) - C - B - A) )/5
Devuelve los residuos para la ecuación e de parámetros a y datos D.
D es una matriz, x una lista de variables y e es una ecuación
o expresión general; si e no es una ecuación (es decir, carece de igualdad),
se trata como si fuese e = 0. La lista a contiene ecuaciones
que especifican valores para cualesquiera parámetros de e que no estén en x.
Los residuos se definen como
lhs(e ) - rhs(e )
i i
siendo e[i] la ecuación e evaluada cuando las variables x
toman los valores asociados al dato i-ésimo D[i], y haciendo las
asignaciones indicadas en a al resto de variables.
Antes de utilizar esta función ejecútese load("lsquares").
Ejemplo:
(%i1) load ("lsquares")$
(%i2) M : matrix (
[1,1,1], [3/2,1,2], [9/4,2,1], [3,2,2], [2,2,1]);
[ 1 1 1 ]
[ ]
[ 3 ]
[ - 1 2 ]
[ 2 ]
[ ]
(%o2) [ 9 ]
[ - 2 1 ]
[ 4 ]
[ ]
[ 3 2 2 ]
[ ]
[ 2 2 1 ]
(%i3) a : lsquares_estimates (
M, [z,x,y], (z+D)^2 = A*x+B*y+C, [A,B,C,D]);
59 27 10921 107
(%o3) [[A = - --, B = - --, C = -----, D = - ---]]
16 16 1024 32
(%i4) lsquares_residuals (
M, [z,x,y], (z+D)^2 = A*x+B*y+C, first(a));
13 13 13 13 13
(%o4) [--, - --, - --, --, --]
64 64 32 64 64
Devuelve el residuo del error cuadrático medio (MSE) de la ecuación e para los valores parámetricos a y datos D.
El residuo del error cuadrático medio (MSE) se define como
n
====
1 \ 2
- > (lhs(e ) - rhs(e ))
n / i i
====
i = 1
siendo e[i] la ecuación e evaluada cuando las variables x
toman los valores asociados al dato i-ésimo D[i], y haciendo las
asignaciones indicadas en a al resto de variables.
Antes de utilizar esta función ejecútese load("lsquares").
Ejemplo:
(%i1) load ("lsquares")$
(%i2) M : matrix (
[1,1,1], [3/2,1,2], [9/4,2,1], [3,2,2], [2,2,1]);
[ 1 1 1 ]
[ ]
[ 3 ]
[ - 1 2 ]
[ 2 ]
[ ]
(%o2) [ 9 ]
[ - 2 1 ]
[ 4 ]
[ ]
[ 3 2 2 ]
[ ]
[ 2 2 1 ]
(%i3) a : lsquares_estimates (
M, [z,x,y], (z+D)^2 = A*x+B*y+C, [A,B,C,D]);
59 27 10921 107
(%o3) [[A = - --, B = - --, C = -----, D = - ---]]
16 16 1024 32
(%i4) lsquares_residual_mse (
M, [z,x,y], (z + D)^2 = A*x + B*y + C, first (a));
169
(%o4) ----
2560
Ajuste de una función polinómica multivariante a una tabla de datos por el método
de los mínimos cuadrados. Mat es la matriz con los datos
empíricos, VarList es la lista con los nombres de las variables
(una por cada columna de Mat, pero puede usarse - en lugar de los nombres de
variables para ignorar las columnas de Mat), depvars es el nombre de la
variable dependiente o una lista con uno o más nombres de variables dependientes
(cuyos nombres deben estar también en VarList), maxexpon es un argumento
opcional para indicar el máximo exponente para cada una de las variables independientes
(1 por defecto) y maxdegree es otro argumento opcional para el grado del polinomio
(maxexpon por defecto); nótese que la suma de exponentes de cada término debe ser
igual o menor que maxdegree. Si maxdgree = 0 entonces no se aplicará
ningún límite.
Si depvars es el nombre de una variable dependiente (no en una lista),
plsquares devuelve el polinomio ajustado. Si depvars es una lista
de una o más variables dependientes, plsquares devuelve una lista con
los polinomios ajustados. Los coeficientes de determinación se muestran en
su orden correspondiente para informar sobre la bondad del ajuste. Estos
valores se almacenan también en la variable global DETCOEF en un
formato de lista si depvars es a su vez una lista.
Un ejemplo sencillo de ajuste lineal multivariante:
(%i1) load("plsquares")$
(%i2) plsquares(matrix([1,2,0],[3,5,4],[4,7,9],[5,8,10]),
[x,y,z],z);
Determination Coefficient for z = .9897039897039897
11 y - 9 x - 14
(%o2) z = ---------------
3
El mismo ejemplo sin restricciones en el grado:
(%i3) plsquares(matrix([1,2,0],[3,5,4],[4,7,9],[5,8,10]),
[x,y,z],z,1,0);
Determination Coefficient for z = 1.0
x y + 23 y - 29 x - 19
(%o3) z = ----------------------
6
Cálculo del número de diagonales de un polígono de \(N\) lados
(%i4) plsquares(matrix([3,0],[4,2],[5,5],[6,9],[7,14],[8,20]),
[N,diagonals],diagonals,5);
Determination Coefficient for diagonals = 1.0
2
N - 3 N
(%o4) diagonals = --------
2
(%i5) ev(%, N=9); /* Testing for a 9 sides polygon */
(%o5) diagonals = 27
Cálculo del número de formas de colocar dos reinas en un tablero n x n de manera que no se amenacen.
(%i6) plsquares(matrix([0,0],[1,0],[2,0],[3,8],[4,44]),
[n,positions],[positions],4);
Determination Coefficient for [positions] = [1.0]
4 3 2
3 n - 10 n + 9 n - 2 n
(%o6) [positions = -------------------------]
6
(%i7) ev(%[1], n=8); /* Testing for a (8 x 8) chessboard */
(%o7) positions = 1288
Un ejemplo con seis variables dependientes:
(%i8) mtrx:matrix([0,0,0,0,0,1,1,1],[0,1,0,1,1,1,0,0],
[1,0,0,1,1,1,0,0],[1,1,1,1,0,0,0,1])$
(%i8) plsquares(mtrx,[a,b,_And,_Or,_Xor,_Nand,_Nor,_Nxor],
[_And,_Or,_Xor,_Nand,_Nor,_Nxor],1,0);
Determination Coefficient for
[_And, _Or, _Xor, _Nand, _Nor, _Nxor] =
[1.0, 1.0, 1.0, 1.0, 1.0, 1.0]
(%o2) [_And = a b, _Or = - a b + b + a,
_Xor = - 2 a b + b + a, _Nand = 1 - a b,
_Nor = a b - b - a + 1, _Nxor = 2 a b - b - a + 1]
Antes de hacer uso de esta función ejecútese load("plsquares").
Anterior: lsquares, Subir: lsquares [Índice general][Índice]