Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cómo citar: Gutiérrez, A. & Ferreira, W. (2020). Un modelo de regresión lineal aplicando lógica difusa. Revista Sextante, 23,
pp. 48 - 54, 2020.
Resumen
En este artículo se hace una aplicación de la lógica difusa a modelo de regresión lineal con parámetros difusos,
utilizando los criterios que sugiere Bo Yuan y Klir [2], comparando los resultados obtenidos con el modelo de
regresión lineal probabilístico.
Palabras claves: Conjuntos difusos; Lógica difusa; Números difusos; Regresión lineal.
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.
Revista SEXTANTE, 23, pp. 48 – 54, 2020. ISSN Printed 1909-4337, ISSN Online 2665-3923
Gutiérrez & Ferreira (2020). Revista Sextante, 23, pp. 48 - 54, 2020.
trabajo mencionaremos los números difusos regresión que se formulan bajo estos términos se les
triangulares. Definimos un número triangular difuso conocen como regresiones lineales
como aquel subconjunto de ℝ con función de
membresía 𝜇𝐴 descrita por la Ecuación 7 y Tomemos como ejemplo un problema de
esbozada en la Figura 2. Donde [𝑎1 , 𝑎2 ] es el regresión lineal con una sola variable como se
soporte del intervalo difuso 𝐴 y (𝑎𝑐 , 1) es el punto muestra en la Ecuación 10.
máximo.
𝑦 = 𝑎0 + 𝑎1 𝑥1 (10)
𝑥 − 𝑎1
𝑝𝑎𝑟𝑎 𝑎1 ≤ 𝑥 ≤ 𝑎𝑐
𝑎𝑐 − 𝑎1 𝐴 = {(𝑥𝑖 𝑓(𝑥𝑖 ))} 𝑚
𝑖=1 Un conjunto de 𝑚
𝜇 𝐴 ( 𝑥) = 𝑥 − 𝑎2 observaciones. Nuestro objetivo es encontrar 𝑎0 y
𝑝𝑎𝑟𝑎 𝑎𝑐 ≤ 𝑥 ≤ 𝑎2 (7)
𝑎𝑐 − 𝑎2 𝑎1 , para los cuales el error total de los puntos
{ 0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 estimados con los puntos observados sea máximo.
𝑥 − 𝑎1
2
𝑎𝑐 − 𝑎1
𝑝𝑎𝑟𝑎 𝑎1 ≤ 𝑥 ≤ 𝑎𝑐 Derivando con respecto a 𝑎0 y a 𝑎1 , igualando a
𝜇𝐴 (𝑥) = 𝑥 − 𝑎2 (8) cero y resolviendo el sistema de ecuaciones se
2 𝑝𝑎𝑟𝑎 𝑎𝑐 ≤ 𝑥 ≤ 𝑎2 obtiene que los valores óptimos para 𝑎0 y 𝑎1 están
𝑎𝑐 − 𝑎2
{ 0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 dados por la Ecuación 12.
3
Gutiérrez & Ferreira (2020). Revista Sextante, 23, pp. 48 - 54, 2020.
4
Gutiérrez & Ferreira (2020). Revista Sextante, 23, pp. 48 - 54, 2020.
5
Gutiérrez & Ferreira (2020). Revista Sextante, 23, pp. 48 - 54, 2020.
Con los criterios 1 y 2, la Ecuación 7 se puede Resolviendo el problema con ayuda de la Figura
formular como la Ecuación 17. 4, y realizando cálculos necesarios, encontramos
que los valores óptimos para c y s son c=5/6 y
𝑛
s=1/6(1-h).
min ∑ 𝑠𝑖
𝑖=1
(17) Por ejemplo: si consideramos a h=2/3 entonces C
(1-ℎ)𝑆 𝑇 |𝑎𝑗 |- |𝑏𝑗 − 𝑎𝑗𝑇 𝑐| ≥0 j=1,2,3,…,𝑛 =(5⁄6,1⁄2). Los conjuntos difusos para los
𝑠𝑖 ≥ 0 i=1,2,3,…,𝑛 valoresa1=1, a2=2, a3=3 y a4=4 son: Y1=(5⁄6,1⁄2)
a1=(5⁄6,1⁄2), Y2=(5/6,1/2) a2 =(5⁄3,1), Y3=(5⁄6,1⁄2)
Se trasforma en un problema clásico de a3=(5⁄2,3⁄2), Y4=(5⁄6,1⁄2) a4=(10⁄3,2) que se
programación lineal. Notemos que las ecuaciones muestran en la Figura 5. Se ajustan los datos con un
dadas en la Ecuación 17 se obtuvieron de un despeje modelo lineal probabilístico como se enseña en la
de la Ecuación 14 sólo que se especifica el valor de Figura 6. comparándose los dos modelos; el ajuste
ℎ ∈ [0,1]. de la recta para los datos dados y la difusividad para
cada observación tal cual como se muestra en la
Ejemplo: Dadas las siguientes observaciones: Figura 7.
4. Conclusiones
1 2 3 4
1 2 2 3 Se puede apreciar que la regresión lineal difusa,
aplicando el criterio que sugiere Bo Yuan y Klir [1]
Asumimos que la regresión lineal difusa para no es tan precisa como la regresión lineal
estos datos se ajusta al modelo de la Ecuación 18. probabilística, pero una ventaja al aplicar la
Donde C= (c,s) es un parámetro difuso triangular regresión difusa es que se ajusta de una mejor
simétrico. Entonces el problema de programación manera a nuestro lenguaje impreciso.
lineal toma la forma de la Ecuación 19. Que se
reduce a la Ecuación 20. La lógica difusa abre muchas puertas para poder
seguir estudiando una cantidad de fenómenos
𝑌 = 𝐶𝑥 (18) físicos, químicos, estadísticos, etc. Por esta razón, la
estimación de coeficientes difusos de mínimos
𝑚𝑖𝑛 𝑠
cuadrados en un modelo de regresión difuso es un
(1 − ℎ)𝑠 − |1 − 𝑐| ≥ 0 buen trabajo de estudio y abre muchas puertas para
continuar con la investigación con estos conjuntos
2(1 − ℎ)𝑠 − |2 − 2𝑐| ≥ 0 borrosos aplicados a la estadística.
3(1 − ℎ)𝑠 − |2 − 3𝑐| ≥ 0 (19)
5. Referencias
4(1 − ℎ)𝑠 − |3 − 4𝑐| ≥ 0
[1] J. Klir, George.Yuan Bo, V. M. (1995)
𝑠≥0 Fuzzy Set and Fuzzy Logic: Theory and
ℎ ∈ [0,1], 𝑛ú𝑚𝑒𝑟𝑜 𝑓𝑖𝑗𝑜 Aplications". Ed. Prentice Hall, USA