EL32D- Análisis y Modelación de Sistemas Dinámicos

Slides:



Advertisements
Presentaciones similares
Regresión mínimo cuadrada (I)
Advertisements

ESCUELA SUPERIOR POLITECNICA DEL LITORAL
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
Econometria 2. Modelo de Regresión Lineal Simple
Regresión y correlación
Reguladores Autoajustables (STR) Introducción ANTE EL CASO DE UN PROCESO NO LINEAL O CUYOS PARÁMETROS CAMBIEN CON EL TIEMPO, SE PLANTEA UNA ESTRUCTURA.
GRUPO DE INVESTIGACION EN CONTROL INDUSTRIAL
3. Funciones discriminantes para la f.d.p normal.
DIBUJO ARQUITECTONICO DIBUJO EN INGENIERIA II CLASE 11 ING. HECTOR BENITES.
Modelo de regresión con dos variables: Estimación
Identificación de Sistemas
1. PRINCIPIOS DEL PROCESO DE MODELIZACION
Análisis de series de tiempo
Análisis de regresión MCO MELI.
Estadística Aplicada a las Ciencias Políticas
CSE 504 Discrete Structures & Foundations of Computer Science
Identificación de Sistemas
1 Y MODELO DE REGRESIÓN SIMPLE Suponemos que una variable Y es una función lineal de otra variable X, con parámetros desconocidos  1 y  2 que queremos.
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
Free and Quick translation of Prof. Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 1. Estimacion.
Contraste de Hipotesis
LEONARDO LÓPEZ C. ECONOMIA ESTADISTICA COMPUTARIZADA PARALELO: 261.
Introducción al Análisis de Sistemas ● Posgrado en Automatización FCE-BUAP.
TEMA 3: ESTADÍSTICA BIDIMENSIONAL. ÍNDICE: 1.- Relación estadística: correlación. 2.- Diagramas de dispersión o nube de puntos. 3.- Tablas de frecuencia.
UNIVERSIDAD YACAMBÚ VICERRECTORADO DE INVESTIGACIÓN Y POSTGRADO INSTITUTO DE INVESTIGACIÓN Y POSTGRADO DOCTORADO EN GERENCIA S.A. DISEÑO DE INVESTIGACIÓN.
Lugar de las raíces México D.F. a 25 de Septiembre de 2006 Departamento de Control, División de Ingeniería Eléctrica Facultad de Ingeniería UNAM.
Ing. VITELIO ASENCIOS TARAZONA. Dentro de los modelos causales o asociativos encontramos el análisis de regresión o regresión lineal, que es un método.
Prof. James McPhee Depto. Ingeniería Civil
EL53A Taller de Proyecto en Control I
MI63C- Dinámica y Control de Procesos
TALLER REGIONAL SOBRE EL DISEÑO ESTADÍSTICO DE ENCUESTAS DE HOGARES PARA EL ESTUDIO DEL MERCADO LABORAL “Jackknife” Jaime Mojica Cuevas Agosto Panamá.
Ph.D Juan Benjamín Duarte Duarte Ing. Leonardo Hernán Talero Sarmiento
Metodologías para Riesgo de Crédito
CI53I/CI73A Demanda de Transporte
Unidad 5. Capítulo II. Modelos de sistemas en forma matricial.
DEPARTAMENTO DE CIENCIAS ECONÓMICAS ADMINISTRATIVAS Y DE COMERCIO
EL53A Taller de Proyecto en Control I
PLANIFICACIÓN ACADÉMICA CBM-3A
EL32D- Análisis y Modelación de Sistemas Dinámicos
CI51J HIDRAULICA DE AGUAS SUBTERRANEAS Y SU APROVECHAMIENTO
EL53A Taller de Proyecto en Control I
CI 43A Análisis de Sistemas de Transporte
DISTRIBUCIÓN GAMMA. La distribución gamma se deriva de la función gamma. La distribución gamma tiene un caso especial que es la distribución exponencial.
SIMULADOR MODULAR SECUENCIAL
EL32D- Análisis y Modelación de Sistemas Dinámicos
Simuladores Estáticos y Dinámicos
Sistemas de segundo orden Departamento de Control, División de Ingeniería Eléctrica Facultad de Ingeniería UNAM México D.F. a 11 de Septiembre de 2006.
Respuesta en frecuencia México D.F. a 23 de Octubre de 2006 Departamento de Control, División de Ingeniería Eléctrica Facultad de Ingeniería UNAM.
 La minería de datos o exploración de datos (es la etapa de análisis de "Knowledge Discovery in Databases" o KDD) es un campo de la estadística y las.
Grupo De Estudio De Dinámica De Sistemas
Correlación Relación no lineal Relación lineal positiva Relación
Contraste de Hipotesis
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
Inferencia Estadística
INTRODUCCIÓN A LA IDENTIFICACIÓN DE SISTEMAS
Correlación Relación no lineal Relación lineal positiva Relación
Regresión Lineal Simple
Contraste de Hipotesis
Contraste de Hipotesis
Estadística descriptiva (estudios con dos variable)
Analisis de Regresion Multiple
¿Por qué se emplea el supuesto de normalidad? Se derivan con facilidad las distribuciones de probabilidad de los estimadores de MCO. Los estimadores de.
REPUBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD Dr. RAFAEL BELLOSO CHACIN INVESTIGACIÓN Y POSGRADO. MAESTÍA: INGENIERÍA DE CONTROL Y AUTOMATIZACIÓN DE PROCESOS.
Regresión lineal Electivo Estadística IV°Medio 2019.
Cuantificación de carbón orgánico disuelto en turba tropical usando espectroscopía UV-visible.
Departamento de Control, División de Ingeniería Eléctrica Facultad de Ingeniería UNAM Lugar de las raíces México D.F. a 25 de Septiembre de 2006.
Examen parcial: Aula: :15 FÍSICA I GRADO
ESTADÍSTICA APLICADA  ZEUS DE JESÚS RODRÍGUEZ BUDA  GABRIELA MÁRQUEZ TORRES  MARÍA ENRIQUETA GIL CÓRDOVA  ELIÁN ANTONIO GONZALEZ GARCÍA  CRISTELL.
SIMULACIONES 2019 German Vega Quintero John Farley Paez Santamaria.
Transcripción de la presentación:

EL32D- Análisis y Modelación de Sistemas Dinámicos Prof: Héctor Agusto A Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Trabajo en Clase Obtener el modelo fenomenológico del siguiente sistema en tiempo discreto t = 0, T, 2T, …nT,… Fin h Fout = k·h d Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelo de tiempo discreto Haciendo los mismos supuestos que en el caso de tiempo continuo Entrada: Fin(n) Estado: h(n) Salida: Fout (n)= K·h(n) Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelo de tiempo discreto Leyes de Conservación: A·h(n+1) - A· h(n) = ΔT·Fin - ΔT· Fout Reordenando: h(n+1) = h(n) + ΔT(Fin(n)- Fout(n))/A Implementación en hoja de cálculo Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelación Empírica Fenomenología desconocidas (Caja Negra) Desconocida en parte (modelos grises) Sistemas no lineales Simplificar fenómenos Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Modelos paramétricos E/S (entrada/salida) de tiempo discreto Lineales en los parámetros Forma general: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Usando: Se obtiene: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Caso particular: Modelos ARX (AutoRegresive with eXogenous input, auto-regresivo con entrada exógena) Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Generalización Modelos ARMAX (AutoRegressive with Moving Average and Exogenous input). Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Usando: Se obtiene: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Caso particular: Modelos ARX (AutoRegresive with eXogenous input, auto-regresivo con entrada exógena) Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Estructura de los Modelos Generalización Modelos ARMAX (AutoRegressive with Moving Average and Exogenous input). Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Ejemplo: Fe m x k ß Modelo: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Datos reales: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Datos muestreo: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Resultado Ajuste: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Resultado Ajuste: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Datos Validación: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Resultado Validación: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos ARX Fe Ejemplo: m x k ß Modelo: Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Modelos Empíricos En el caso general: ¿Cómo elijo la estructura del modelo? Aplicar Regresión por Pasos Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos Elegir, de un conjunto de variables candidatas, las que serán parte del modelo Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos Sea: variables candidatas Debo “elegir” m < M, tal que: Conforme el “mejor” modelo Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos 0.- Normalizar variables Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos 1.- Primera integrante : con mejor correlación con Ajusto parámetros Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos 2.- Segunda integrante : con mejor correlación con Ajusto parámetros Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos n.- Siguiente integrante : con mejor correlación con Obtengo estructura, ajusto parámetros Aplico Criterio de descarte Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos

Regresión por pasos Criterio de descarte: varianza asociada al parámetro previo <  Criterio de detención: varianza asociada al parámetro nuevo <  Dpto. Ingeniería Eléctrica- fcfm - Universidad de Chile EL32D- Análisis y Modelación de Sistemas Dinámicos