Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de Processos Químicos
Table of Contents
DADOS ESPECÍFICOS DE CADA MODELO ........................................................................ 1
AJUSTE DOS DADOS E OBTENÇÃO DOS PARÂMETROS ................................................... 2
TESTES DE AJUSTE .......................................................................................................... 2
Resíduos ............................................................................................................................ 2
Ajuste ............................................................................................................................... 5
Estatísticas de Ajuste ........................................................................................................... 6
INFERÊNCIAS SOBRE OS PARÂMETROS .......................................................................... 7
INTERVALO DE CONFIANÇA MARGINAL ........................................................................ 7
Lista de Exercícios 3
NUSP: 10589308
Questão 2
Para evitar problemas de cálculos numéricos a variável T será normalizada dividindo-se pela média das
temperaturas.
onde
Dados experimentais/medidos:
T =
[118.99;120.76;122.71;125.48;128.31;130.06;132.41;135.89;139.02;140.25;145.61;153.
y =
[10.79;10.8;10.86;10.93;10.99;10.96;10.98;11.03;11.08;11.1;11.19;11.25;11.4;11.61;
Assim:
1
Identificação de Mode-
los de Processos Químicos
x1 = (T/mean(T)).^1;
x2 = (T/mean(T)).^2;
x3 = (T/mean(T)).^3;
x4 = (T/mean(T)).^4;
x5 = (T/mean(T)).^5;
theta=X\y
y_hat=X*theta;
theta =
1.0e+03 *
-0.4051
1.9610
-3.6817
3.4408
-1.6016
0.2977
TESTES DE AJUSTE
Serão realizados diferentes testes a fim de não 'invalidar' o modelo proposto.
Resíduos
Os resíduos são calculados pela diferença entre os valores medidos e os calculados com o modelo:
2
Identificação de Mode-
los de Processos Químicos
epsilon = y - y_hat;
epsilon_mean =mean(epsilon);
sigma2=sum((epsilon-epsilon_mean).^2)/(tamanho-p);
Os resíduos normalizados
epsilon_normal=(epsilon-epsilon_mean)/sqrt(sigma2);
H = X*inv(X'*X)*X';
h = diag(H);
t=epsilon./(sqrt(sigma2)*sqrt(1-h))
figure(1)
ax1 = subplot(2,2,1); % x1
plot(x1,epsilon,'k.')
title('\epsilon_i vs. x1_i')
xlabel('x1_i');
ylabel('\epsilon_i');
ax2 = subplot(2,2,2); % x2
plot(x2,epsilon,'r.')
title('\epsilon_i vs. x2_i')
xlabel('x2_i');
ylabel('\epsilon_i');
ax3 = subplot(2,2,3); % x3
plot(x3,epsilon,'b.')
title('\epsilon_i vs. x3_i')
xlabel('x3_i');
ylabel('\epsilon_i');
ay3 = subplot(2,2,4); % y
plot(y,epsilon,'b.')
title('\epsilon_i vs. y_i')
xlabel('y_i');
ylabel('\epsilon_i');
figure(2)
normplot(epsilon)
title('Gráfico de Probabilidade Normal')
xlabel('Dados');
ylabel('Probabilidade');
3
Identificação de Mode-
los de Processos Químicos
t =
0.0615
-0.0787
-0.0291
0.0338
0.0941
-0.0519
-0.0621
-0.0194
0.0216
0.0343
0.0644
-0.1177
-0.0414
0.1257
-0.0337
0.0154
-0.0275
0.0110
4
Identificação de Mode-
los de Processos Químicos
Ajuste
O gráfico de paridade apresenta as variáveis simuladas em função das variáveis medidas
figure(3)
plot(y_hat,y,'ko')
title('Gráfico de Paridade')
xlabel('y_{Calculado}');
ylabel('y_{Medido}');
x= min(floor([y;y_hat])-1):0.1:max(ceil([y;y_hat]));
hold 'on'
plot(x, x, 'k')
5
Identificação de Mode-
los de Processos Químicos
Estatísticas de Ajuste
A primeira estatística que quantifica o ajuste é o R^2:
R2 = 1-sum((y-y_hat).^2)/sum((y-mean(y)).^2)
Testes de Ajustes Os testes de ajuste comparam epsilon (ruído, sigma2) com a variância estimada a partir
do ajuste
sigma_hat2=sum((y-y_hat).^2)/(tamanho-p)
R2_penalty=1-(sum((y-y_hat).^2)/(tamanho-p))/(sum((y-mean(y)).^2)/
(tamanho-1))
R2 =
0.9957
sigma_hat2 =
0.0013
6
Identificação de Mode-
los de Processos Químicos
R2_penalty =
0.9940
Xa=X'*X;
[L,U]=lu(Xa); %<- expressar a matriz como função de duas matrizes
triangulares
invXa=inv(U)*inv(L);
V=sigma_hat2*invXa;
rho=zeros(p,p);
for i=1:p
for j=1:p
rho(i,j) = V(i,j)/sqrt(V(i,i)*V(j,j));
end
end
[S,D] = eig(V)
% onde S são os auto-vetores e D auto-valores
V_hat = S'*D*S;
I = S'*S; %<- ortogonalidade da matriz
thetaCP = zeros(p,1);
for i=1:p
thetaCP(i) = S(:,i)'*theta; %<- somente para modelos lineares em
relação aos parâmetros
end
thetaCP
Região de confiança
Região de confiança
7
Identificação de Mode-
los de Processos Químicos
A região de confiança dos parâmetros é uma hiper elipse, com a direção dos eixos dada pelos auto-vetores
da matriz V.
desvpad =
1.0e+03 *
0.4178
2.0586
4.0364
3.9375
1.9110
0.3692
tst =
2.1254
S =
D =
1.0e+07 *
3.9983 0 0 0 0 0
0 0.0014 0 0 0 0
0 0 0.0000 0 0 0
0 0 0 0.0000 0 0
0 0 0 0 0.0000 0
0 0 0 0 0 0.0000
thetaCP =
1.0e+03 *
5.6584
-0.1988
-0.0043
0.0063
0.0064
0.0038
8
Identificação de Mode-
los de Processos Químicos
Distância de Cook
d = (t.^2/p).*(h./(1-h))
d =
-0.0006
-0.0010
-0.0001
-0.0002
-0.0015
-0.0004
-0.0006
-0.0001
-0.0001
-0.0002
-0.0007
-0.0023
-0.0003
-0.0026
-0.0002
-0.0000
-0.0001
-0.0000