Universidad Autnoma de Yucatn Facultad de Matemticas Unidad Tizimn

LCC. Gessey Gngora Rosado

 Se puede aplicar para predecir y modelar el comportamiento de una nube de puntos. Para la deteccin de lneas en visin artificial

Ejemplo:
Suponga que realizaste una encuesta y que su investigacin de mercado muestra las siguientes estadsticas de venta para casas de varios precios durante el ao pasado:

Precio (Miles de dlares) Ventas de nueva casas este ao

160 126

180 103

200 82

220 75

240 82

260 40

280 20

Queremos utilizar estos datos para construir una funcin de demanda para el mercado de los bienes races. (Recuerde que una funcin de demanda especifica la demanda, y , medida aqu por ventas anual, como una funcin del precio, x .)

 El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N pares de puntos {xi, yi} (siendo x la variable independiente e y la dependiente), se determina una funcin matemtica f(x) de tal manera que la suma de los cuadrados de la diferencia entre la imagen real y la correspondiente obtenida mediante la funcin ajustada en cada punto sea mnima:

 Generalmente, se escoge una funcin genrica f(x) en funcin de uno o ms parmetros y se ajusta el valor de estos parmetros de la manera que se minimice el error cuadrtico, . La forma ms tpica de esta funcin ajustada es la de un polinomio de grado M; obtenindose para M = 1 un ajuste lineal (o regresin lineal),

 Supongamos que tenemos un conjunto de N puntos en el plano {xi, yi}. El objetivo es determinar la ecuacin de la recta tal que minimiza el error cuadrtico:

Donde a1 es la pendiente y a0 es la ordenada al origen.

Matemticamente:
Si realizamos las derivadas parciales con respecto a a1 y a0, obtenemos:

 Simplificando:

Si dividimos entre el nmero de puntos que tenemos:

 Y en forma matricial tenemos que:

por lo que determinar los parmetros de la recta se resume a resolver el sistema de ecuaciones lineales de dos ecuaciones y dos incgnitas.

Regresando al ejemplo
Suponga que realizaste una encuesta y que su investigacin de mercado muestra las siguientes estadsticas de venta para casas de varios precios durante el ao pasado:

Precio (Miles de dlares) Ventas de nueva casas este ao

160 126

180 103

200 82

220 75

240 82

260 40

280 20

Queremos utilizar estos datos para construir una funcin de demanda para el mercado de los bienes races. (Recuerde que una funcin de demanda especifica la demanda, y , medida aqu por ventas anual, como una funcin del precio, x .)

x = [160 180 200 220 240 260 280] y = [126 103 82 75 82 40 20]

x 220 y 75.429 x 2 50000 xy 1.5326e 004

m a1 0.79286 b a0 249.85714

 La recta de regresin o recta ptima en (el sentido de los) mnimos cuadrados es la recta de ecuacin:

y = 0.7928x + 249.85

 De manera anloga al caso lineal, el objetivo es determinar la ecuacin del polinomio de grado M que minimiza el error cuadrtico

Para el caso M = 2.

Caso general:

 Tambin podemos ajustar curvas mediante regresin lineal, por ejemplo si tenemos la funcin:

y = Arx
Aplicando logaritmo podemos realizar el siguiente cambio: Log y = log A + xLog r, esto expresa el Logy como una funcin lineal de x , con: Pendiente m = log r Interseccin b = log A

 Por lo tanto, si calculamos la recta de mejor ajuste usando logy como una funcin de x , entonces la pendiente y la interseccin en y seran los datos a obtener primero, y despus podemos obtener los coeficientes r y A por:

r =10m A=10b

Ejemplo:
Los Ingresos de ventas de computadores Compaq son mostrados en la siguiente tabla, donde x representa aos desde 1990. Obtenga el modelo exponencial de regresin para los datos.

x = Ao (1990 = 0) y = Ingreso ($ billn)

0 3

2 4

4 11

7 25

 Necesitamos modelar Logy con respecto a x.

x
logy

0
0.477121

2
0.602060

4
1.04139

7
1.39794

La recta de regresin que obtenemos es:

Y = 0.13907x + 0.42765
Por lo tanto, el modelo exponencial deseado es

y=Arx
Donde: r = 10m = 100.13907 = 1.3774 A = 10b = 100.42765 = 2.6770

y (2.26770)(1.3774)

y (2.26770)(1.3774) x

Practica 9:
1.- Realiza un programa en matlab que dados los vectores de coordenadas x, y devuelva la pendiente y la ordenada de la recta de regresin lineal por el mtodo de mnimos cuadrados.

2.- Una compaa desea hacer predicciones del valor anual de sus ventas totales en cierto pas a partir de la relacin de stas y la renta nacional. Para investigar la relacin cuenta con los siguientes datos: X representa la renta nacional en millones de euros e Y representa las ventas de la compaa en miles de euros en el periodo que va desde 1990 hasta 2000 (ambos inclusive).

X
Y

189 190 208 227 239 252 257 274 293 308 316
402 404 412 425 429 436 440 447 458 469 469

Calcular: La recta de regresin de Y sobre X. La grafica donde se visualicen los puntos y la recta de regresin

3.- Realiza el ajuste de curvas mediante regresin lineal, para la siguiente funcin y resuelve problema posterior:

y Ce

Ax

Los Ingresos de ventas de computadores Compaq son mostrados en la siguiente tabla, donde x representa aos desde 1990. Obtenga el modelo exponencial de regresin para los datos.
x = Ao (1990 = 0) y = Ingreso ($ billn) 0 3 2 4 4 11 7 25

Realiza el ajuste polinomico de minimos cuadrados para este ejercicios utilizando M = 2;

4.- Leer del pdf Algoritmo QR y mnimos cuadrados la seccin 7.3 y 7.3.1, analizar el ejemplo 7.5 y encontrar el polinomio de interpolacin para los puntos. x = [ -1 0 1.5 2] y = [ 2 1 2 3.5]

Escribir el polinomio de interpolacin y la grafica de los puntos con la curva.

5.- Realiza una investigacin sobre:

El uso de la transformada de hough en visin artificial, explicar el mtodo de hough.

Investigar mtodos(algoritmos) para contar glbulos rojos

leer el articulo algoritmos(leer).pdf