optgrid: Otimização De Segmentações De Grade

In lkhenayfis/gtdp-perdaprodvar: Modelagem De Dados De Perda E Produtibillidade E Extração De Grades

Otimização De Segmentações De Grade

Description

Otimiza o número de divisões de grade visando o atendimento de um critério mínimo

Usage

optgrid(fit, R = 1.01, ..., full.output = FALSE)

## S3 method for class 'gamperda'
optgrid(fit, R = 1.01, range.vazao = 5:50, ..., full.output = FALSE)

## S3 method for class 'gamprod'
optgrid(
  fit,
  R = 1.01,
  range.quedal = 5:50,
  range.vazao = 5:50,
  ...,
  full.output = FALSE
)

Arguments

fit	ajuste do dado de perda ou produtibilidade
R	razão mínima entre erro do ajuste e da grade para aceitação
...	demais parâmetros específicos de grade de perda ou produtibilidade. Ver métodos Exemplos
full.output	booleano, se verdadeiro retorna objeto de varredura
range.quedal, range.vazao	vetores de inteiros indicando números de segmentações a serem testadas em cada marginal. Todas as combinações serão testadas (isto é, um domínio quadrado é gerado a partir dos ranges). Padrão range.quedal = range.vazao = 5:50

Details

optgrid tenta determinar a melhor configuração de grade de modo que o erro de representação do dado histórico por interpolação linear na grade seja suficientemente próximo do erro do modelo latente ajustado. Isto se dá por uma pesquisa exaustiva, testando todas as configurações de grade em uma determinada faixa de número de divisões permissíveis.

O argumento R controla o critério de comparação entre os erros de representação. Quando erro_grade / erro_modelo ≤ R para um dado número de segmentações, considera-se esta configuração adequada.

Para perdas, serão testados os números de divisões fornecidos pelo argumento range.vazao, um vetor de inteiros indicando quais números de segmentações testar. Será selecionado como número ótimo o primeiro para o qual todos os números seguintes atendem ao critério de comparação. Isto é feito para evitar convergências precipitadas, garantindo assim que o valor selecionado corresponde à menor grade possível que atende confiavelmente ao critério de comparação.

Value

se full.output = FALSE, a grade parsimoniosa que atenda a razão mínima R. Se full.output = TRUE, uma lista com a grade no primeiro elemento e a varredura no segundo

See Also

extração de grade para dadas dimensões extraigrid. Métodos para plot da varredura quando full.output = TRUE: plot.varreduraperda e plot.varreduraprod

Other metodos gridperda: extraigrid.gamperda(), fitted.gridperda(), predict.gridperda(), residuals.gridperda()

Other plots gridperda: extraigrid.gamperda(), plot.gridperda()

Other metodos gridpprod: extraigrid.gamperda()

Other plots gridpprod: extraigrid.gamperda()

Examples

# otimizando grade de perdas -----------------------------------------------

dat <- agregasemana(dummydata)
ajuste <- fitgam_perda(dat, ns = 5)

# roda otimizacao do numero de segmentacoes sem retornar varredura
optgrade <- optgrid(ajuste, range.vazao = 10:60)

# assim como ajustes de curvas, grades tambem possuem um metodo de plot
## Not run: 
plot(optgrade)

## End(Not run)

# e possivel rodar a otimizacao retornando a varredura de numero de segmentacoes e plota-la
optgrade <- optgrid(ajuste, range.vazao = 10:60, full.output = TRUE)
## Not run: 
plot(optgrade[[2]])

## End(Not run)

lkhenayfis/gtdp-perdaprodvar documentation built on May 4, 2022, 2:55 a.m.