MODELOS DE REGRESIÓN PARAMÉTRICOS POLINOMIALES Y NO PARAMÉTRICOS B-SPLINES. UNA APLICACIÓN EN INGENIERÍA.

Autores/as

  • Byron Toalombo Universidad Técnica de Ambato, Facultad de Sistemas, Electrónica e Industrial, Ambato, Ecuador. Quito, Ecuador.
  • Antonio Meneses Universidad Nacional de Chimborazo, Facultad de Ingeniería, Carrera de Ingeniería en Telecomunicaciones, Riobamba, Ecuador.
  • Lourdes Zúñiga Escuela Superior Politécnica de Chimborazo, Facultad de Informática y Electrónica, Carrera Ingeniería en Telecomunicaciones, Riobamba, Ecuador.
  • Ricardo Espín Universidad Técnica de Ambato, Facultad de Sistemas, Electrónica e Industrial, Ambato, Ecuador. Quito, Ecuador.

DOI:

https://doi.org/10.47187/perf.v1i28.185

Palabras clave:

Simulación de impacto vehicular, modelos de regresión polinomiales, modelos de regresión B-splines, bondad de ajuste, intervalo de confianza, normalidad

Resumen

Se realizó un estudio de los modelos de regresión paramétricos polinomiales y no paramétricos B-splines aplicados a una simulación de impacto de un automóvil contra una carrocería de autobús. Se estableció un diseño no experimental, transversal y correlacional. Se utilizó el software R y se consideraron los criterios: rechazo de la nulidad de los coeficientes de los modelos mediante la prueba de hipótesis t de Student, validez de los modelos mediante la prueba F de Snedecor de la tabla ANOVA, bondad de ajuste, intervalos de confianza al 95%, y cumplimiento de los supuestos de distribución normal, no autocorrelación y homocedasticidad de los residuos. Para la selección del modelo de regresión idóneo se aplicó la prueba no paramétrica de Wilcoxon a partir de las longitudes de los intervalos de confianza. Los modelos de regresión paramétricos polinomiales se ajustaron a las curvas con forma parabólica o que presentan una curvatura sin cambios abruptos, adaptándose mejor a las relaciones de la simulación de impacto vehicular, cuya variable explicativa es la velocidad del vehículo que impacta. Mientras los modelos de regresión no paramétricos B-splines brindaron un mejor ajuste a las curvas con forma de campana y con cambios de curvatura más abruptos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Jurewicz C, Sobhani A, Woolley J, Dutschke J, Corben B. Exploration of Vehicle Impact Speed – Injury Severity Relationships for Application in Safer Road Design. Transportation Research Procedia. 2016;14:4247-56.

Moreno-Zulca PA, Llanes-Cedeño EA, Guaña-Fernández WV, Jima-Matailo JC. Análisis estructural de un bus por el método de elementos finitos. Polo del Conocimiento. 2020;5(1):799-837.

Portillo M, Chacón R, Moreno M, Bongiorno F. Simulación y análisis de una prueba de choque de un automóvil tipo deportivo, utilizando un software basado en el método de los elementos finitos. Revista Ciencia e Ingeniería. 2011;32(1):69-77.

Cárdenas D, Escudero J, Quizhpi S, Amaya M. Propuesta de diseño estructural para buses de carrocería interprovincial. Ingenius Revista de Ciencia y Tecnología. 2014;11(1):42-52.

Pikûnas A, Pumputis V, Sadauskas V. The influnce of vehicles speed on accident rates and their consequences. Transport. 2004;19(1):15-25.

Stimson JA, Carmines EG, Zeller RA. Interpreting Polynomial Regression. Sociological Methods & Research. mayo de 1978;6(4):515-24.

Meilán-Vila A, Opsomer J, Francisco-Fernández M, Crujeiras R. A goodness-of-fit test for regression models with spatially correlated errors. TEST. 2020;29(3):728-49.

Ostertagová E. Modelling using Polynomial Regression. Procedia Engineering. 2012;48:500-6.

Montgomery DC, Runger GC. Applied statistics and probability for engineers. 3.a ed. New York, USA: John Wiley & Sons, Inc.; 2003. 976 p.

Aparicio J, Martínez M, Morales J. Modelos lineales aplicados en R [Internet]. 1.a ed. Elche, España; 2006 [citado 29 de abril de 2021]. 215 p. Disponible en: https://umh3067.edu.umh.es/wp-content/uploads/sites/240/2013/02/Modelos-Lineales-Aplicados-en-R.pdf

Racine JS. The crs Package [Internet]. 2021 [citado 3 de abril de 2021]. Disponible en: https://cran.r-project.org/web/packages/crs/vignettes/crs.pdf

Paluszny M, Prautzsch H, Böhm W. Métodos de Bézier y B-splines. Karlsruhe: Univ.-Verl; 2005. 303 p.

Racine JS. A primer on Regression Splines. 2019.

Yli-Heikkilä M. Data Science Languages. 2019;2.

Garibaldi LA, Oddi FJ, Aristimuño FJ, Behnisch AN. Modelos estadísticos en lenguaje R [Internet]. 1.a ed. Buenos Aires, Argentina: UNRN; 2019. 261 p. Disponible en: https://rid.unrn.edu.ar/bitstream/20.500.12049/5789/2/garibaldi_lenguajeR_eunrn.pdf

Woolson RF. Wilcoxon signed-Rank test. En: Wiley encyclopedia of clinical trials [Internet]. Willey; 2007. p. 1-3. Disponible en: https://onlinelibrary.wiley.com/doi/abs/10.1002/9780471462422.eoct979

Meyer R. Deviance Information Criterion (DIC). En: Wiley StatsRef: Statistics Reference Online [Internet]. 1.a ed. Wiley; 2016 [citado 7 de mayo de 2022]. p. 1-6. Disponible en: https://onlinelibrary.wiley.com/doi/10.1002/9781118445112.stat07878

Cavanaugh JE, Neath AA. The Akaike information criterion: Background, derivation, properties, application, interpretation, and refinements. WIREs Comp Stat. 2019;11(3):1-11.

Koenker R. A note on studentizing a test for heteroscedasticity. Journal of Econometrics. 1981;17(1):107-12.

Tillman JA. The Power of the Durbin-Watson Test. Econometrica. 1975;43(5/6):959-74.

Yap BW, Sim CH. Comparisons of various types of normality tests. Journal of Statistical Computation and Simulation. 2011;81(12):2141-55.

Pedrosa I, Juarros-Basterretxea J, Robles-Fernández A, Basteiro J, García-Cueto E. Pruebas de bondad de ajuste en distribuciones simétricas, ¿qué estadístico utilizar? Univ Psychol. 2014;14(1):245-54.

Saculinggan M, Balase EA. Empirical Power Comparison of Goodness of Fit Tests for Normality in the Presence of Outliers. J Phys: Conf Ser. 2013;435:1-11.

Peˇckov A. A machine learning approch to polynomial regression [Internet] [Tesis Doctoral]. [Ljubljana, Slovenia]: Joˇzef Stefan International Postgraduate School; 2012. Disponible en: http://kt.ijs.si/theses/phd_aleksandar_peckov.pdf

Rencher AC, Schaalje GB. Linear models in Statistics. 2nd ed. Hoboken, N.J: Wiley-Interscience; 2008. 672 p.

Kaňka M. Segmented Regression Based on B-Splines with Solved Examples. 2015;20.

Mastandrea M, Vangi D. Influence of braking force in low-speed vehicle collisions. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering. 2005;219(2):151-64.

Descargas

Publicado

2022-10-11

Cómo citar

Toalombo, B., Meneses, A., Zúñiga, L., & Espín, R. (2022). MODELOS DE REGRESIÓN PARAMÉTRICOS POLINOMIALES Y NO PARAMÉTRICOS B-SPLINES. UNA APLICACIÓN EN INGENIERÍA. Perfiles, 1(28), 72-82. https://doi.org/10.47187/perf.v1i28.185