EL USO DE RECOCIDO SIMULADO PARA LA SELECCION DEL MEJOR MODELO DE REGRESION: EL CASO L2

Resumen

En muchos problemas el ajuste de un modelo de regresión es requerido. Uno de los problemas a resolver para hacer uso efectivo de criterios de ajuste de la regresión es el poder seleccionar modelos. Comúnmente
esto se hace al usar el criterio de los Mínimos Cuadrados dependiendo de pruebas basadas en la normalidad de los errores. En este trabajo se sugiere solucionar esto a partir de heurísticas basadas en el
Recocido Simulado. Estas buscan la disminución de la suma de los cuadrados la que usan como función objetivo. Se desarrollan algoritmos y se hace una evaluación de las propuestas analizando ejemplos
clásicos que aparecen analizadas en libros de texto. El comportamiento del método propuesto y algoritmizado aparece como adecuada pues se obtienen los mejores ajustes reportados.

Palabras clave: regresión lineal, modelo óptimo, optimización paramétrica.

ABSTRACT
In many problems is needed to fit a regression model. For using effectively different adjustment criteria one of the problems to be solved is how to select the best regression model. Commonly when the
method of the Least Squares is used assuming the normallity of the errors. In this paper we suggest to solve this problem by using a Simulated Annealling based heuristics. The method look for the
disminution of the residual sum of squares using it as objective function. Algorithms are developed and an evaluation of the proposals is made by analyzing classic examples from text books. The behavior of them seems to be adequate because they identify the best fitted models.

Key words: linear regression, optimal model, parametric optimization.