Comparación de la eficiencia del método de optimización BFGS en C, OX y R para un modelo de regresión no lineal.

• Luz Marina Rondón Poveda ^[1]
  1. [1] Universidad Santo Tomás

     Universidad Santo Tomás

     Santiago, Chile

     
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 2, Nº. 2, 2009, págs. 175-188
• Idioma: español
• DOI: 10.15332/s2027-3355.2009.0002.05
• Títulos paralelos:
  • Efficiency Comparisson for the BFGS Method in C, OX and R for a nonlinear regression model.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este art ́ıculo se presenta una comparaci ́on de la eficiencia del m ́etodo de optimizaci ́on no lineal BFGS cuando es aplicado usando los programas C,Ox y R. Esta comparaci ́on es realizada evaluando el desempe ̃no del m ́etodo BFGS cuando es usado para obtener las estimativas de m ́axima verosimilitud de los par ́ametros de un modelo de regresi ́on no lineal con errores de distribuci ́on normal. La eficiencia del m ́etodo es estudiada usando algunas medidas como, por ejemplo, el n ́umero promedio de evaluaciones de la funci ́on y de la derivada de la funci ́on requeridas para la convergencia del m ́etodo. Estas medidas se obtienen usando simulaci ́on de Monte Carlo.

  • English

    This article presents a comparison of the efficiency of the optimization method. BFGS nonlinear mization when applied using programs C,Ox and R. This Comparison is made evaluating the performance of the BFGS method when it is used to obtain the maximum likelihood estimates of the parameters of a nonlinear regression model with errors of normal distribution. Efficiency of the method is studied using some measures such as, for example, the number average of function evaluations and of the derivative of the function required for the convergence of the method. These measurements are obtained using simulation of Monte Carlo.

• Referencias bibliográficas
  • Bates, D.M. y Watts, D.G. (1988).Nonlinear Regression Analysis and its Applications. John Wiley, New York.
  • Broyden, C.G. (1970). The Convergence of a Class of Double-rank Minimization Algorithms. Journal of the Institute of Mathematics and Its Applications,...
  • Doornik J.A., (2001).Ox: an Object-oriented Matrix Programming Language. 4ed. Londres: Timberlake Consultants.
  • Fletcher, R., (1970). A New Approach to Variable Metric Algorithms. Computer Journal, 13, 317-322.
  • Goldfarb, D., (1970). A Family of Variable Metric Updates Derived by Variational Means. Mathematics of Computation, 24, 23-26.
  • Kernighan, B.W. y Ritchie, D.M. (1980).The C Programming Lamguage. 2 ed. Englewood Clis: Prentice Hall.
  • Nocedal, J. y Wright, S.J. (1999).Numerical Optimization. Springer-Verlang, New York.
  • Press, W.H.; Flanenry, B.P.; Teolosky, S.A. y Vetterling, W.T. (1992).Numerical Recipes in C: The Art of Scientic Computing. 2 ed. Cambridge...
  • Seber, G.A.F. y Wild, C.J. (1989).Nonlinear Regression. John Wiley, New York.
  • Shanno, D.F., (1970). Conditioning of Quasi-Newton Methods for Function Minimization. Mathematics of Computation, 24, 647-656.
  • Venables, W.N. y Ripley, B.D., (2004). Modern Applied Statistics with S. 4 ed. Springer.