Análise de Regressão Ajuste de Parâmetros.

Apresentação em tema: "Análise de Regressão Ajuste de Parâmetros."— Transcrição da apresentação:

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