Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouMarco Antônio Lucas Gabriel Philippi Godoi Alterado mais de 5 anos atrás
1
Análise de Regressão Ajuste de Parâmetros
2
Objetivo Dado um modelo, ou metamodelo, TF() de um sistema
Um conjunto de dados experimentais obtidos a partir de experimentos controlados Ajustar estatisticamente os melhores valores para
3
Modelo de Erro na Entrada
4
Modelo de Erro na Saída
5
Modelo geral X é a matriz de sensibilidade, com:
Utilizando o método de linearização de Gauss: onde: X é a matriz de sensibilidade, com:
6
Modelo Linear Nas proximidades de b, pode-se simplificar:
7
Principais Estimadores
Teorema de Bayser: Objetivo: maximizar P(β|ηm)
8
Pressupostos β tem distribuição Normal N(βo,V), sendo βo a esperança matemática E[β] e V a matriz de covariância Cov[β]. ε é um ruído com distribuição Normal de media zero e covariância ψ. β e ε são estatisticamente independentes. Não existe erro na matriz de sensibilidade X.
9
Com os pressupostos: Com a hipótese de distribuição normal:
10
MAP - Hipóteses fundamentais:
a) A matriz de sensibilidade X é livre de erro. b) β e ε são variáveis aleatórias independentes. c) O ruído ε é aditivo. - Hipóteses simplificadoras: a) β possui distribuição Normal N(βo,V). b) ε possui distribuição Normal N(0,ψ). Condição de utilização: E(bMAP) = βo. - Eficiência:
11
MAK
12
MQL
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.