Método de Newton e Gauss-Newton na estimação dos parâmetros de modelo de regressão não linear
Palavras-chave:
método dos mínimos quadrados, métodos iterativos, modelo Stanford e SmithResumo
Nas diversas áreas do conhecimento é comum avaliar a possível relação entre uma variável
dependente com uma ou mais variáveis independentes. Esse estudo pode ser feito por meio
dos modelos de regressão que são divididos basicamente em duas classes distintas:
os lineares e os não lineares. Na estimação dos parâmetros em modelos de regressão
é usual a utilização do método dos mínimos quadrados, que para o caso não linear o
sistema de equações não apresenta solução explícita e necessita-se de métodos iterativos
para ter a solução. O objetivo do trabalho foi comparar os métodos iterativos de
Newton e Gauss-Newton no ajuste do modelo Stanford e Smith. Os dados analisados foram
de mineralização de carbono de palha de aveia no solo ao longo do tempo. O método
Gauss-Newton, específico para estimar parâmetros de modelos não lineares, foi mais
eficiente que o método de Newton na estimação dos parâmetros do modelo Stanford e
Smith ajustado aos dados. O método Gauss-Newton é implementado nos softwares para
estimação de parâmetros de modelos de regressão não linear.
Referências
BARD, Y. Nonlinear parameter estimation. 1a ed. Academic Press, 1974.
BOYER, C. B. História da Matemática, 3 edição. São Paulo: Blucher, 2010.
DRAPER, N. R.; SMITH, H. Aplied regression analisys. 3a ed, reprint. John Wiley, 2014.
EVES, H. W. Introdução a história da matemática. São Paulo: UNICAMP, 2004.
GIACOMINI, S. J.; AITA, C.; MIOLA, E. C. C.; RECOUS, S. Mineralização do carbono da palha de aveia e dejetos de suínos aplicados na superfície ou incorporados ao solo. Revista Brasileira de Ciência do Solo, v. 32, p. 2661-2668, 2008.
JUDGE, G. G.; GRIFFITHS, W. E.; HILL, R. C.; LUTKEPOHL, H.; LEE, T. The theory and practice of econometrics. 2a ed. John Wiley, 1985.
MAZUCHELI, J.; ACHCAR, J. A. Algumas considerações em regressão não-linear. Acta Scientiarum, v. 24, p. 1761-1770, 2002.
NOCEDAL, J. WRIGHT, S. Numerical Optimization. 2a ed. Springer, 2006.
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2017. URL http://www.R-project.org/.
SILVA, E. M.; RIBEIRO, T. D.; FERNANDES, J. G.; MUNIZ, J. A. Descrição da mineralização do carbono de dejetos de suínos e palha de aveia no solo por modelos não lineares. Revista Agrogeoambiental, v. 11, p. (no prelo), 2019a.
SILVA, E. M.; SILVEIRA, S. C.; RIBEIRO, T. D.; MUNIZ, J. A. Ajuste da decomposição do lodo de esgoto e palha de aveia por modelos não lineares. Revista Agrogeoambiental, v. 11, p. (no prelo), 2019b.
STANFORD, G.; SMITH, S, J. Nitrogen mineralization potentials of soil. Soil Science Society of America Jornal, v. 36, p. 465-471, 1972.
Downloads
Arquivos adicionais
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
