You are on page 1of 38

Universidad Técnica Federico Santa María

Análisis y Diseño de Experimentos

Estimación no Lineal.

Departamento de Ingeniería Química
y Ambiental

Estimación no Lineal

Ecuación no lineal en los parámetros.

Donde:

p : parámetros.
k : variables independientes.
n : observaciones.

La suma de los errores al cuadrado es:

Si los εµ se distribuyen normalmente y las varianzas constantes,
entonces:

Luego:

.Para encontrar el punto máximo diferenciamos parcialmente: Para modelos lineales implica resolver p ecuaciones lineales.

Para modelos no lineales implica resolver p ecuaciones no lineales. .

Barrido: Sólo útil para pocos parámetros y modelos simples. Para dos parámetros se construyen contornos de . Métodos de Búsqueda 1.

Programas de minimización. . Métodos simplex. descenso máximo. Fletcher-Powell.2. Box.

.Linealización del modelo.3. Se aproxima el modelo no lineal u otro lineal mediante la aplicación de una expansión en Serie de Taylor alrededor de β0.

Si: .

Pueden existir problemas de convergencia si se inicia lejos del óptimo o el modelo es poco lineal. .

es decir su determinante se aproxima a cero. Se vio que: Si (XT X)-1 es singular implica que existe una pobre estimación. Problemas Potenciáles en Estimación de M.C. . Se pueden presentar matrices mal condicionadas que tienden a singularidad.

Ejemplo Estimación de parámetros no correlacionados. Considere la siguiente matriz: . .

.Pero si algún elemento cambia ligeramente: Se produce una alta correlación negativa entre los parámetros.

.Suponiendo el mismo error en ∆ Magnifica el error.

14 13 12 11 10 9 8 7 6 6 8 10 12 14 .Cómo evitar este problema? Suponga el ajuste de una línea recta a datos lejos del origen.

.

Reparametrización. Observe el siguiente modelo: Sea: 14 13 12 11 10 9 8 7 6 6 8 10 12 14 .

. Ahora: a0 y b1 no están correlacionados.Si b1 se mueve. a0 permanece casi constante.

0 0 100 200 300 400 500 Esto implica una matriz X´X mal T acondicionada con parámetros altamente correlacionados.2 Vemos un ejemplo de datos remotos 1 del origen. No lineal. 0.8 0.6 k 0.4 Donde: 0.Ejemplo Modelo de Arrhenius. 1. .2 k: valido entre 450 y 490 °K.

Ahora α0 y β0 no están correlacionados . 470°C por ejemplo.Se requiere reparametrizar en torno a T0 .

El punto importante no es determinar si las suposiciones son exactamente verdaderas (nuca lo son). Un procedimiento es robusto a una suposición si es insensible a desviaciones moderadas a dicha suposición.C Robustez. . sino saber si las desviaciones presentes afectan seriamente la validez de los métodos. Suposiciones sobre M.

4. Los X son fijos y conocidos .C. Varianza constante εu . M. E(yu) = ηu modelo adecuado. 2.C. Primero aceptamos que el modelo es el adecuado y luego verificamos si existe falta de ajuste. 3. 1. relativamente robusto a variaciones moderadas. .Suposiciones. Es robusto si Var(yi) >> Var(xi) y si la propagación del error de xi en yi es solo una parte relativamente pequeña. εu se distribuye Normalmente con media 0 y varianza σ2 Necesario para justificar expresiones de I.

C.Ejemplo Ejemplos de variaciones de suposiciones. Para usar M.Arreglos de modelos a una forma más simple.en ocasiones se arregla el modelo a una forma lineal.. Por conveniencia matemática se violan algunas suposiciones. . 1.

.

Ejemplo: .Observación Siempre se debe ajustar el modelo a la variable respuesta. o variable medida.

El modelo realmente es: .

Otro problema común es la correlación de términos en grupos adimencionales. 40 35 30 25 hd/k 20 En el ejemplo vemos que d 15 aparece en ambas variables 10 5 0 0 5 10 15 20 25 Re = ρ d v /µ µ .

Puede existir además relaciones fundamentales y modelos con errores en variables independientes. . También pueden existir relaciones entre un número de variables. posiblemente todas sujetas a error y ninguna de ellas puede calificarse como dependiente o independiente.

C. V. Si se usa M. T todas sujetas a error. ¿Cuál es la variable dependiente? .Ejemplo Ley de los Gases Ideales. Si estimamos R se deben medir P.

Cada respuesta es medida con error: Relación funcional: Los residuos .

2.Supuestos 1. 3. El modelo es el adecuado. Los experimentos son independientes. Errores Normales con varianzas σ2Ziµµ .

Suponga que en cada corrida cada respuesta es medida independientemente con una varianza σ2Ziµµ Puesto que: Para m variables. .

Fin del Capítulo .

Gráficos .

14 13 12 11 10 9 8 7 6 6 8 10 12 14 .

14 13 12 11 10 9 8 7 6 6 8 10 12 14 .

1.4 0.2 1 0.8 k 0.6 0.2 0 0 100 200 300 400 500 T .

40 35 30 25 hd/k 20 15 10 5 0 0 5 10 15 20 25 R e = ρ d v /µ µ .