Beruflich Dokumente
Kultur Dokumente
de Plantas
Parte II
CASIM-UTFSM
A+B=B+A
(A+B)+C=A+(B+C)
cA=Ac
(c+d)A=cA+dA
Luis G. Bergh Monitoreo y Diagnóstico de la Operación de Plantas CASIM-UTFSM Septiembre 2010
Producto interno:
aTb = […….]1xn[ ]nx1= c1x1
T
Largo o norma: a = a a
Producto externo:
ab = [ ]1xn =
T
nx1 nxn
T 0 i ≠ j
vi v j =
1 i = j
Distributiva A ⋅ ( B + C ) = AB + AC
Asociativa A ⋅ ( B ⋅ C ) = ( A ⋅ B) ⋅ C
Pero no conmutativa
A⋅ B ≠ B ⋅ A
Otras:
( AT )T = A
( A + B )T = AT + BT
( A + B )T = AT + BT
( A ⋅ B)T = BT ⋅ AT
y
Rn de dimensión n z
y
Un plano R2 x vs y
x
Un volumen R3
x
Un subespacio es un sector del espacio, es un subconjunto de
vectores cuya suma reside en el subespacio y donde cada vector por
un escalar también reside en el subespacio (ejemplo, el formado por x
e y en R3)
Independencia lineal:
Dados vectores v1, v2, … , vk
Si la con ci ≠ 0 independencia lineal (no correlacionados)
∑
k
i =1
ci v i ≠ 0
Si civi = vJ entonces son linealmente dependientes (completamente
correlacionados)
Luis G. Bergh Monitoreo y Diagnóstico de la Operación de Plantas CASIM-UTFSM Septiembre 2010
Un set de vectores w1, …. , wk en Rn k“llenan” el espacio si
cada v puede expresarse como v = ∑ ci wi combinación
i =1
lineal, o sea k ≥ n
Ortogonalidad de subespacios
y d x
Entonces xT(d) = 0
b = xTy / (xTx)
y ║d ║ = ║y - p ║ = (y – p)T(y – p)
y finalmente b = (XTX)-1XTy
la proyección de y en X, p = Xb = X (XTX)-1XTy
PP = P2 = P
PT = P
Luis G. Bergh Monitoreo y Diagnóstico de la Operación de Plantas CASIM-UTFSM Septiembre 2010
Interpretación geométrica de Mínimos Cuadrados
ŷ y proyectado en el plano
x1 x1-x2 es el vector ŷ en
ese plano que está más
y cerca de y
v2
0
v1 1
¿Y si X no es ortonormal ni ortogonal?
¿y si X es colineal?
Usar método general para encontrar seudo inversas (descomposición
por valores propios)
Si 1 9 17 . 5 0
X = 1 10 ⇒ 0
0 . 14
1 11 0 0
Cov(X) = XTX
Con k ≤ min(m,n)
tiT tj = 0 para i ≠ j
Otra forma:
w2
En otras palabras
x2 hemos proyectado las
x3
variables originales xi
en nuevas variables wi
que además son
ortogonales entre si, y
de menor dimesión
x1 = w1
:
tp = cp1X1 + cp2X2 +………+ cppXp
Las cij son las constantes a determinar, sujeto a la condición de que, la norma del
vector de las constantes para cada combinación lineal debe ser igual a uno.
Las constantes halladas para la primera componente principal son las que
maximizan la varianza de tal componente, y las constantes de la segunda
componente principal son las que, siendo ortogonales a la primera, den a la
siguiente componente varianza máxima
Luis G. Bergh Monitoreo y Diagnóstico de la Operación de Plantas CASIM-UTFSM Septiembre 2010
La dirección de estos vectores de cada componente principal
corresponde a los vectores propios de la matriz de covarianzas del
proceso.
λi
Variabilid ad Explicada CPi =
∑
p
j =1
λj
1. T2 Hotelling
2. PSE (square prediction error)
A
t i2
TA = ∑ =∑ 2 = ∑
2 t i2A A
[ pi × ( x − µ )]
2
i =1 λi i =1 sti i =1 λi
) ) 2
SPE = ∑i =1 ( xnew − xnew )
p
xnew = PA × t A,new
SPEα = θ1 α
+1+ 2 0
2
θ1 θ1
K
2θ1θ 3
siendo θi = ∑ λ ij
j = A +1
h0 = 1 −
3θ 22
-Si SPE > SPEα sin importar el valor que tome T2A, implica que ha
aparecido una causa especial de variabilidad, consistente en un
nuevo evento, no presente en el conjunto de referencia, no
respetándose la estructura de covarianzas del modelo. Si además
entonces podría interpretarse como una falla en la
2
T A < T A2,α
medición de la variable.
)
Contribución(SPE ; x k ) = ek = xk − x k k € [1,p]
)
En donde xk representa el valor de cada variable monitoreada en el
xk
espacio original y el valor predicho por el modelo PCA de la
variable original k-ésima.
pi
( 2
Contribuci ón T ; xk =
A ) λi
pik xk k € [1,p] y i € [1,A]
Variable 2
Variable 3
Variable 1
V =f1(x,y,z)
W=f2(x,y,z)v
Variable 2
Variable 3
Variable 1
PROYECCION
1er PC
Variable 2
2do PC
Variable 3
Variable 1
Variable 3
Variable 1
Estanque de
Almacenamiento Barra de
Electrodos
Presión de
PI Colección
Colas
x y
Proceso
i m
Donde i y m son las observaciones y variables en el bloque Y