Escolar Documentos
Profissional Documentos
Cultura Documentos
LSE
LSE
Considere N realizaes da funo y=f(x), onde f(x) :Rn->R
y1= f(x1)
y2= f(x2)
...
yN=f(xN)
A funo f(x) parametrizada por (regressor), e pode ser
representada da seguinte forma:
y1= f(x1, )
y2= f(x2, )
...
yN=f(xN, )
LSE
Podemos escrever uma das amostras de f(x)
utilizando os dados conhecidos como:
y=(xT)= T
A considerao acima define a soluo como linear nos
parmetros, . A eq. matricial para o conjunto de N
amostras pode ser escrita como:
y=X
Para o caso que o nmero de amostras igual ao nmero
de parmetros, caso a matriz X seja no singular, podemos
resolver o problema como:
=X-1y
LSE
MATLAB
LSE
LSE
LSE
Para se utilizar o nmero de amostras maiores que o nmero de
parmetros (sistemas sobredeterminados), devemos utilizar a
pseudo inversa. Matematicamente:
y=X
Como X no quadrada esta no pode ser invertida. Entretanto se
multiplicarmos ambos os lados da eq. por XT tem-se:
XTy=XTX
=(XTX)-1XTy
Como o produto de uma matriz pela sua transposta uma matriz
quadrada a soluo de eq. Acima existe caso XTX seja no singular.
LSE
O mtodo dos mnimos quadrados pode ser entendido como a
minimizao do somatrio erro quadrtico, que pode ser escrito
como:
J=(yd-X) T(yd-X)
Para provar que o resultado apresentado anteriormente um
mnimo da funo de erro basta fazer a derivada primeira igual a
zero e mostrar que a derivada segunda definida positiva. Algumas
Relaes so importantes para esta demonstrao:
d(xTy)/dy=x
d(yTx)/dy=x
d(xTAx)/dx=(A+AT)x
Exemplo MATLAB...
Consideraes finais
O estimador de mnimos quadrados um mtodo eficiente de se
determinar parametros lineares de funes...