Entradas, Saídas e Análise de Dados Regressão Linear

Apresentação em tema: "Entradas, Saídas e Análise de Dados Regressão Linear"— Transcrição da apresentação:

1 Entradas, Saídas e Análise de Dados Regressão Linear
DI/FCT/UNL 1º Semestre 2004/2005

2 Regressão Linear : Um Exemplo
Um dado produto é fabricado numa linha de produção por lotes. Os lotes são encomendados pelos clientes e têm um número variável de exemplares do produto, de acordo com a ordem do cliente. A empresa produtora está interessada em desenvolver um modelo de produção, de forma a poder prever Qual o tempo que demora cada lote a ser produzido Quais os lotes que são produzidos em mais ou menos tempo que o esperado, de forma a poderem ser analisados os factores que facilitam ou dificultam o fabrico. Para fazer esse estudo a empresa detém um histórico da produção de vários lotes no passado.

3 Regressão Linear : Um Exemplo
O modelo desenvolvido tem em conta que Antes de se começar a produzir o produto é necessário gastar um dado tempo (t0: tempo de setup) para preparar um conjunto de recursos (ex: máquinas e instalações). Uma vez estabelecida essa preparação o número de peças produzidas é basicamente proporcional ao tempo, demorando um tempo t1 a fabricar cada peça. Assim parece apropriado um modelo do tipo, em que o tempo T necessário para se produzirem P peças é dado por: T = t1 P + t0 O problema consiste pois em determinar os valores de t0 e t1 a partir dos dados históricos.

4 Análise de Dados – Regressão Linear
Este problema é apenas um exemplo de aplicação da técnica de análise de dados, denominada, regressão linear, que na sua forma geral se pode descrever por: Regressão Linear: Dado um conjunto de dados, xi e yi verificar se eles estão numa relação linear Y = m X +b O problema tem dois subproblemas: Determinar os valores de m e b mais apropriados aos valores dos vários pares de valores <xi,yi>. Avaliar se é razoável assumir a relação linear acima, ou seja, se os pares de valores <xi,yi> a “suportam” (isto é, se existe uma boa correlação linear entre X e Y).

5 Análise de Dados – Regressão Linear
Podemos ilustrar esta técnica com dois exemplos gráficos Os valores de m (inclinação da recta) e de b (intersecção da recta com o eixo Y) são idênticos nos dois casos x y X e Y têm uma forte correlação linear X e Y têm uma fraca correlação linear

6 O erro E que se pretende minimizar é o erro quadrático médio,
Determinação de m e de b O tratamento matemático para a determinação dos valores de m e b é relativamente simples e consiste em determinar os valores de m e b que minimizem o erro entre os resultados esperados e os resultados experimentais. Para cada ponto <xi,yi> o erro “experimental” é dado por ei = yi – (m xi + b) O erro E que se pretende minimizar é o erro quadrático médio, E = Σ ei2 Assim sendo o problema reduz-se a determinar os valores de m e b que minimizam o erro E.

7 Determinação de m e de b O mínimo de uma função em relação a uma variável ocorre quando a derivada dessa função em ordem a essa variável é nula. Assim sendo há que obter os zeros da derivada de E em relação a m e a b. Nota 1: Assume-se uma função contínua e continuamente derivável, caso contrário o mínimo pode não ocorrer no zero da derivada. Nota 2: A função E tem duas variáveis, m e b. A análise em Rn justifica que o mínimo deve corresponder ao zero das duas derivadas. Nota 3: Como o mínimo de E = F coincide com o mínimo de E2 = F, pode minimizar-se F = E2 = Σei2 Os valores de m e b que minimizam o erro são assim determinados como aqueles que verificam = e = 0 F m b

8 Determinação de m e de b F b Σ (yi – m xi – b)2 b = 0
Σ (yi – m xi) – n b= 0 Σ (yi – m xi) n b = Ora = 0 F m Por outro lado, = 0 Σ (yi – m xi – b)2 m = 0 Σ – 2 xi (yi – m xi – b) = 0 Σ xi (yi – m xi – b) = 0 Σ (xi yi – m xi2 – b xi ) = 0

9 Determinação de m e de b Σ (yi – m xi) n
Usando agora o valor de na fórmula Σ (xi yi – m xi2 – b xi ) = 0 permite-nos obter o valor de m: Σ (xi yi – m xi2 – 1/n xi Σ (yi – m xi)) = 0 Σ (n xi yi – n m xi2 ) – Σ xi Σ (yi – m xi) = 0 n Σ xi yi – m n Σ xi2 – Σ xi Σ yi + m Σ xi Σ xi = 0 m [n Σ xi2 – (Σ xi)2] = n Σ xi yi – Σ xi Σ yi n Σ xi yi – Σ xi Σ yi n Σ xi2 – (Σ xi)2 ... obtendo-se assim m =

10 Determinação de m e de b Assim, dados vectores X e Y, com n valores de xi e yi os valores de m e de b podem ser obtidos através das fórmulas n Σ xi yi – Σ xi Σ yi n Σ xi2 – (Σ xi)2 m = Σ (yi – m xi) n b = Em Octave, estas fórmulas podem calcular-se através do seguinte conjunto de equações Sx = sum(X); Sy = sum(Y); Sxx = sum(X.*X); Sxy = sum(X.*Y); m = (n * Sxy – Sx*Sy) / (n*Sxx – Sx^2) b = (Sy – m * Sx) / n

11 Correlação entre X e Y [n Σ xi2 – (Σ xi)2] [n Σ yi2 – (Σ yi)2]
Para medir a qualidade da relação linear entre X e Y pode usar-se o coeficiente de correlação r. Este coeficiente (cuja derivação exige um maior conhecimento de estatística) varia entre 1 (correlação perfeita) e 0 (correlação nula). O seu valor em OCTAVE pode ser obtido através das equações anteriores e ainda de: r = n Σ xi yi – Σ xi Σ yi [n Σ xi2 – (Σ xi)2] [n Σ yi2 – (Σ yi)2] Syy = sum(Y.*Y); r = (n * Sxy – Sx*Sy) / sqrt ((n*Sxx – Sx^2)* (n*Syy – Sy^2)

12 Armazenamento de Dados
Quando a quantidade de dados é grande, não é razoável ou mesmo possível introduzi-los “manualmente” num programa. Tipicamente esses dados são armazenados em ficheiros que têm de ser lidos pelos programas que os tratam. As funções básicas de manutenção de ficheiros (criação, alteração e destruição, localização, acesso ao seu conteúdo, etc.) são definidas no sistema de ficheiros (file system) , componente do sistema operativo (Operating System - Windows, Linux, MacOS, ...). Todas as linguagens de programação têm acesso a essas funções básicas (primitivas), implementadas através de chamadas ao sistema, mas que são disponibilizadas ao nível da linguagem através de instruções próprias.

13 Armazenamento de Dados
Existe uma grande variedade de formas nessas instruções mas algumas características são razoavelmente gerais: Antes de se escrever ou ler num ficheiro, este tem de ser aberto num modo apropriado (leitura, escrita, leitura/escrita,...). Na abertura de um ficheiro, este é associado a um “canal” com um identificador (tipicamente um número) único. Todos os acessos ao ficheiro referem esse valor e não o nome com que o ficheiro é conhecido no sistema de ficheiros. Os acessos de leitura e escrita de dados dos ficheiros dependem da forma como os dados são codificados. Estes podem ser armazenados como texto ou numa forma codificada que optimiza o espaço. Após todos os acessos pretendidos terem sido executados, o ficheiro deve ser fechado. Como estas operações podem ser muito variadas, vamos centrar-nos nos acessos a ficheiros texto em OCTAVE.

14 Entrada de Dados Após a abertura de um ficheiro texto, ele pode ser lido de duas formas básicas: Leitura carácter a carácter, sendo tarefa do programador interpretar as sequências de caracteres como números, palavras, etc... Leitura de acordo com determinados padrões (templates) em que existem primitivas da linguagem que interpretam directamente os caracteres para o tipo de dados pretendido. Por exemplo, assumamos que um ficheiro tem a sequência de caracteres “ 23   45.2 ”. Neste caso podemos ler os 11 caracteres e tendo em atenção os espaços interpretar esses caracteres como dois números (um inteiro e outro decimal). Indicar como padrão de leitura um inteiro seguido de um decimal que são retornados em variáveis indicadas.

15 ‘ ’,‘ ’,‘2’,’3’,‘ ’,‘ ’,‘4’,‘5’,‘.’,’2’,‘ ’
Saída de Dados O armazenamento de dados num ficheiro segue passos semelhantes. A abertura de um ficheiro em modo escrita, cria um ficheiro, que pode ser escrito de duas formas básicas: Escrita carácter a carácter, sendo tarefa do programador criar as sequências adequadas de caracteres para representar números, palavras, etc... Escrita de acordo com determinados padrões (templates) disponibilizados por primitivas da linguagem. Por exemplo, para se escreverem os dados 23 e 45.2 num ficheiro ( “ 23   45.2 ”), pode-se escrever os 11 caracteres sequencialmente, isto é, ‘ ’,‘ ’,‘2’,’3’,‘ ’,‘ ’,‘4’,‘5’,‘.’,’2’,‘ ’ indicar como padrão de escrita um inteiro (com 4 dígitos, seguido de um espaço, seguido de um decimal com 5 casas, incluindo uma casa decimal, seguido de um espaço.

16 Exemplo de Regressão Linear
Assumamos pois um ficheiro em duas colunas, em que A primeira coluna representa o número de peças de cada lote (Pi) A segunda coluna, o número de horas necessárias para produzir esse lote (Ti) Estabelecer uma relação linear T = t1 P + t0 ; Objectivos: Escrever um ficheiro em 3 colunas em que: As duas primeiras colunas são como antes A 3ª coluna, representa a diferença entre o tempo estimado e o tempo gasto efectivamente .

17 Entrada de Dados A instrução fopen abre o ficheiro com o nome “linear.txt”, em modo de leitura (“r” - read), e atribui-lhe um número de canal ‘fid’, usado posteriormente. A instrução fclose fecha o canal com número ‘fid. [fid,msg] = fopen("linear.txt", "r"); i = 0; X = []; Y = []; [xi,yi,count] = fscanf(fid,"%i%f",”C”); while !feof(fid) i = i + 1; X(i) = xi; Y(i) = yi; endwhile; n=i; fclose(fid); ...

18 Entrada de Dados A instrução [xi,yi,count] = fscanf(fid,"%i%f",”C”) permite ler dados do canal de entrada (1º argumento - fid) de acordo com um padrão (template - ,"%i%f") como na linguagem C (3º argumento – “C”) os dados efectivamente lidos são colocados nas variáveis xi e yi o seu número é colocado na variável count. Neste caso, são lidos 2 números do canal de entrada. O primeiro é um inteiro ("%i") e o segundo é decimal ("%f"). [xi,yi,count] = fscanf(fid,"%i%f",”C”); xi = 188 yi = count = 2 ...

19 [xi,yi,count] = fscanf(fid,"%i%f",”C”)
Entrada de Dados Quando não há mais dados para ler, a instrução [xi,yi,count] = fscanf(fid,"%i%f",”C”) retorna xi e yi vazios (xi = yi = []) e count = 0. Normalmente existe uma função “end of file” para indicar se a última leitura já foi feita após o fim do ficheiro. Em Octave essa função é expressa por feof(fid). [xi,yi,count] = fscanf(fid,"%i%f",”C”) F = feof(fid). count = 2, xi = 88, yi = , F = 0 [xi,yi,count] = fscanf(fid,"%i%f",2) count = 0, xi = [], yi = [], F = 1 ...

20 Entrada de Dados A instrução fscanf pode pois ser usada no ciclo abaixo, que instancia os vectores X e Y. i = 0; X = []; Y = []; [xi,yi,count] = fscanf(fid,"%i%f",”C”); while !feof(fid) i = i + 1; X(i) = xi; Y(i) = yi; endwhile; n = i; Notas: A chamada de fscanf é feita antes do ciclo. A condição de entrada no ciclo é !feof A variável n guarda o número de pontos X e Y lidos.

21 Tratamento dos Dados Uma vez obtidos os vectores X e Y com n pontos, os parâmetros m, b e r da regressão linear podem ser recalculados, bem como os erros (valores observados e os valores esperados). sx = sum(X); sy = sum(Y); sxy = sum(X.*Y); sxx = sum(X.*X); syy = sum(Y.*Y); m = (n*sxy-sx*sy)/(n*sxx-sx^2); b = (sy-m*sx)/n; r = (n*sxy-sx*sy)/sqrt((n*sxx-sx^2)*(n*syy-sy^2)); E = zeros(1,n); for i = 1:n E(i) = Y(i) - (m * X(i) + b); endfor; .

22 Saída dos Dados As instruções fopen e fclose são semelhantes, mas com modo de escrita (“w” - write). A instrução fprintf escreve no canal de saída com identificador fid os 3 valores indicados com formatos: Inteiro com 5 dígitos (1º dado – X(i)) Decimal, com 7 casas, das quais duas decimais (2º/3º dado – Y(i) e E(i)) Separados por espaços (no template) e com mudança de linha (“\n”) [fid,msg] = fopen("linear_out.txt", "w"); for i = 1:n fprintf(fid,"%5i %7.2f %7.2f\n", X(i),Y(i),E(i)); endfor; fclose(fid);

23 Visualização dos Dados
Ax e Ay , e portanto As, definem os limites dos eixos dos X e Y (na realidade P – nº de peças e T – tempo de fabrico). Os vários plots destinam-se aos valores X e Y (na forma de pontos – formato a recta de regressão (Y2 tem os dois pontos limites) . Ax = [0,1.1*max(X)]; Ay = [0,1.1*max(Y)]; As = [Ax,Ay]; Y2 = [m*min(Ax)+b, m*max(Ax)+b]; clearplot; hold on; axis(As); plot(Ax,Y2,'2');