σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de Linear Algebra›Módulo 4 · Mínimos cuadrados y factorizaciones›Tema 4.1·~55 minIntermedio

Mínimos cuadrados y ecuaciones normales

Posición en la rutaMódulo 4 de 4 · Tema 1 de 4
4.1 Mínimos cuadrados y ecuaciones normales
—Puntuación del lab— / 100XP total—Racha—

Más ecuaciones que incógnitas

Una regresión tiene muchas observaciones y pocos coeficientes: Ax=bA\mathbf{x}=\mathbf{b}Ax=b con AAA alta (nnn filas, ppp columnas, n>pn>pn>p) no tiene solución exacta, porque b\mathbf{b}b casi nunca está en el espacio de columnas. Los mínimos cuadrados eligen el x^\hat{\mathbf{x}}x^ que hace el error lo menor posible, min⁡x∥Ax−b∥2\min_{\mathbf{x}}\|A\mathbf{x}-\mathbf{b}\|^2minx​∥Ax−b∥2. Geométricamente, Ax^A\hat{\mathbf{x}}Ax^ es la proyección de b\mathbf{b}b sobre el espacio de columnas, así que el residuo b−Ax^\mathbf{b}-A\hat{\mathbf{x}}b−Ax^ es ortogonal a cada columna de AAA.

ATA x^=ATb,x^=(ATA)−1ATb,b^=Ax^A^{T}A\,\hat{\mathbf{x}}=A^{T}\mathbf{b},\qquad \hat{\mathbf{x}}=(A^{T}A)^{-1}A^{T}\mathbf{b},\qquad \hat{\mathbf{b}}=A\hat{\mathbf{x}}ATAx^=ATb,x^=(ATA)−1ATb,b^=Ax^(1)

La ortogonalidad del residuo, AT(b−Ax^)=0A^{T}(\mathbf{b}-A\hat{\mathbf{x}})=\mathbf{0}AT(b−Ax^)=0, se reordena en las ecuaciones normales de arriba. Siempre tienen solución, única cuando las columnas de AAA son independientes (entonces ATAA^{T}AATA es invertible). En notación de regresión, A=XA=XA=X contiene los regresores, con una primera columna de unos para el intercepto, b=y\mathbf{b}=\mathbf{y}b=y es la respuesta y β^=(XTX)−1XTy\hat{\boldsymbol\beta}=(X^{T}X)^{-1}X^{T}\mathbf{y}β^​=(XTX)−1XTy son los coeficientes MCO. En código se sigue resolviendo el sistema en lugar de invertir XTXX^{T}XXTX.

Ajustar una recta a tres puntosAjustemos y=c0+c1ty=c_0+c_1ty=c0​+c1​t a los puntos (0,1)(0,1)(0,1), (1,2)(1,2)(1,2), (2,2)(2,2)(2,2). Entonces A=(101112)A=\begin{pmatrix}1&0\\1&1\\1&2\end{pmatrix}A=​111​012​​ y b=(1,2,2)\mathbf{b}=(1,2,2)b=(1,2,2), así que ATA=(3335)A^{T}A=\begin{pmatrix}3&3\\3&5\end{pmatrix}ATA=(33​35​) y ATb=(5,6)A^{T}\mathbf{b}=(5,6)ATb=(5,6). Las ecuaciones normales 3c0+3c1=53c_0+3c_1=53c0​+3c1​=5, 3c0+5c1=63c_0+5c_1=63c0​+5c1​=6 dan c1=0,5c_1=0{,}5c1​=0,5 y c0=7/6≈1,167c_0=7/6\approx1{,}167c0​=7/6≈1,167. Los valores ajustados son 1,1671{,}1671,167, 1,6671{,}6671,667, 2,1672{,}1672,167 y los residuos −0,167-0{,}167−0,167, 0,3330{,}3330,333, −0,167-0{,}167−0,167: suman cero y son ortogonales a ttt.
  • Ecuaciones normales: ATAx^=ATbA^{T}A\hat{\mathbf{x}}=A^{T}\mathbf{b}ATAx^=ATb; resuélvalas, no invierta.
  • Residuo: b−Ax^\mathbf{b}-A\hat{\mathbf{x}}b−Ax^, ortogonal a cada columna de AAA; con una columna de intercepto suma cero.
  • Columnas independientes son necesarias para una respuesta única; regresores colineales vuelven singular a ATAA^{T}AATA.
El número de condición al cuadradoFormar ATAA^{T}AATA eleva al cuadrado el número de condición: κ(ATA)=κ(A)2\kappa(A^{T}A)=\kappa(A)^2κ(ATA)=κ(A)2. Si κ(A)=105\kappa(A)=10^{5}κ(A)=105, las ecuaciones normales tienen κ=1010\kappa=10^{10}κ=1010 y hacen perder diez de sus dieciséis dígitos. El siguiente tema muestra cómo QR resuelve el mismo problema sin formar nunca ATAA^{T}AATA.

Lab: qué se califica

  • La matriz normal15 pts
  • La pendiente15 pts
  • El intercepto15 pts
  • El tamaño del error10 pts
  • A qué es ortogonal el residuo15 pts
  • Los pasos de un ajuste por mínimos cuadrados15 pts
  • Por qué los residuos suman cero15 pts
0/ 7 respondidos
Ejercicios
1Matriz · vector15 ptsSin responder

Ajuste y=c0+c1ty=c_0+c_1ty=c0​+c1​t a los puntos (0,1)(0,1)(0,1), (1,2)(1,2)(1,2), (2,2)(2,2)(2,2) con A=(101112)A=\begin{pmatrix}1&0\\1&1\\1&2\end{pmatrix}A=​111​012​​ y b=(1,2,2)\mathbf{b}=(1,2,2)b=(1,2,2). Complete ATAA^{T}AATA.

ATA=A^T A =ATA=
2Respuesta numérica15 ptsSin responder

Ajuste y=c0+c1ty=c_0+c_1ty=c0​+c1​t a los puntos (0,1)(0,1)(0,1), (1,2)(1,2)(1,2), (2,2)(2,2)(2,2) con A=(101112)A=\begin{pmatrix}1&0\\1&1\\1&2\end{pmatrix}A=​111​012​​ y b=(1,2,2)\mathbf{b}=(1,2,2)b=(1,2,2). Resuelva ATAc=ATbA^{T}A\mathbf{c}=A^{T}\mathbf{b}ATAc=ATb, donde ATb=(5,6)A^{T}\mathbf{b}=(5,6)ATb=(5,6). ¿Cuál es la pendiente c1c_1c1​?

c1=c_1 =c1​=aceptado: ± 0.001
3Respuesta numérica15 ptsSin responder

Ajuste y=c0+c1ty=c_0+c_1ty=c0​+c1​t a los puntos (0,1)(0,1)(0,1), (1,2)(1,2)(1,2), (2,2)(2,2)(2,2) con A=(101112)A=\begin{pmatrix}1&0\\1&1\\1&2\end{pmatrix}A=​111​012​​ y b=(1,2,2)\mathbf{b}=(1,2,2)b=(1,2,2). ¿Cuál es el intercepto c0c_0c0​? Dé tres decimales.

c0=c_0 =c0​=aceptado: ± 0.001
4Respuesta numérica10 ptsSin responder

Ajuste y=c0+c1ty=c_0+c_1ty=c0​+c1​t a los puntos (0,1)(0,1)(0,1), (1,2)(1,2)(1,2), (2,2)(2,2)(2,2) con A=(101112)A=\begin{pmatrix}1&0\\1&1\\1&2\end{pmatrix}A=​111​012​​ y b=(1,2,2)\mathbf{b}=(1,2,2)b=(1,2,2). Los residuos son (−1/6, 1/3, −1/6)(-1/6,\ 1/3,\ -1/6)(−1/6, 1/3, −1/6). ¿Cuál es la suma de los residuos al cuadrado? Dé tres decimales.

SSR=SSR =SSR=aceptado: ± 0.001
5Elección15 ptsSin responder

El residuo b−Ax^\mathbf{b}-A\hat{\mathbf{x}}b−Ax^ de un ajuste por mínimos cuadrados es ortogonal a cuáles de estos? Seleccione todos los que correspondan.

6Ordenar los pasos15 ptsSin responder

Ponga en orden los pasos para ajustar una regresión con las ecuaciones normales.

Arrastra para reordenar, o enfoca un elemento, pulsa Espacio para levantarlo, las flechas para moverlo y Espacio para soltarlo.

  1. 1Formar ATAA^{T}AATA y ATbA^{T}\mathbf{b}ATb
  2. 2Calcular los valores ajustados Ax^A\hat{\mathbf{x}}Ax^ y el residuo
  3. 3Construir AAA con una columna de unos y los regresores
  4. 4Resolver ATAx=ATbA^{T}A\mathbf{x}=A^{T}\mathbf{b}ATAx=ATb para los coeficientes
7Explicar con palabras15 ptsSin responder

En una regresión con intercepto, los residuos suman cero. En dos frases, diga por qué, usando la ortogonalidad.

Modo matemáticasEntrada por teclado o LaTeXEjercicio 1 de 7 · Ctrl ⏎ para comprobar

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub