Ajuste de curvas

5-1

Ajuste de Curvas Pelo Mtodo dos Mnimos Quadrados

Introduo
Seja um conjunto de dados contendo n pares de valores (x, y) obtidos numrica ou
experimentalmente. De modo a calcular qualquer valor de y distinto dos valores tabelados,
ajustamos uma funo y = f(x) atravs do chamado Mtodo dos Mnimos Quadrados.
Considere uma equao relacionando a varivel y com a varivel independente x, como
y = f ( x ) , onde y indica que este o valor aproximado de y. Queremos encontrar a funo
y = f ( x ) , cujo desvio em relao aos valores y seja expresso como i = y i y i .
Por uma questo de convenincia trabalharemos com o desvio quadrtico i2 = (y i y i )2 .
A funo y = f ( x ) que melhor ajusta os pontos (x, y) dados aquela que minimiza o somatrio
dos desvios quadrticos S:
n

S=

i2 =

i =1

(yi yi )2

(1)

i =1

A condio de minimizao da funo S satisfeita fazendo-se dS = 0, ou seja,

necessitamos calcular a derivada da funo S em relao aos parmetros de ajuste da funo
y = f(x) para que possamos encontrar o sistema de equaes denominado equaes normais que
conduz ao melhor ajuste dos pontos (x,y) pela funo y = f(x) escolhida. Para cada tipo de funo
de ajuste existe um sistema de equaes normais que minimiza a soma dos desvios quadrticos S.
Em seguida, faremos a deduo das equaes normais para alguns tipos de funes mais
comumente empregados no ajuste de curvas pelo mtodo dos mnimos quadrados.

Ajuste Linear
Se a funo de ajuste for a funo linear na forma:
y = a 0 + a1x

(2)

onde a0 e a1 so os coeficientes a serem determinados pelo Mtodo dos Mnimos Quadrados. A

condio de minimizao do somatrio dos desvios quadrticos dada pelas equaes:

Clculo Numrico e Computacional

S
=0
a 0

(3)

S
=0
a 1

(4)

C.Y. Shigue

Ajuste de curvas

5-2

Substituindo-se (1) na equao (3), resulta:

n
n

S


2
2

(
)
y
y
=

i
i
i
a 0 a 0
a 0

i =1
i =1

Substituindo (2) na equao acima, resulta:

n
n

S

2
=
(y i a 0 a1x i ) = 2 (y i a 0 a1x i )(1) = 0

a 0 a 0
i =1
i =1

de onde vem que:

n
n

na 0 +
x i a1 =
yi
i =1
i =1

(5)

Analogamente, substituindo-se (1) e (2) em (4), resulta:

n

2
xi a0 +
x i a1 =
x i yi

i =1
i =1
i =1

(6)

As equaes (5) e (6) constituem-se no sistema de equaes normais, contendo duas

incgnitas (a0 e a1) e duas equaes. Podemos re-arranj-las de modo a obter as seguintes
expresses para o seu clculo:
n

i =1

i =1

i =1
2

x y x xy
2

a 0 = i =1

n
a1 =

x2
x

i =1
i =1

i =1

i =1

i =1

(7)

xy x y

x2
x

i =1
i =1
n

Clculo Numrico e Computacional

(8)

C.Y. Shigue

Ajuste de curvas

5-3

Exemplo:
Ajustar uma funo linear pelo mtodo dos mnimos quadrados aos seguintes valores numricos:
x

1,2

2,5

3,7

0,134

0,275

0,339

0,401

Resoluo:
Para resolvermos o problema, vamos calcular os coeficientes das equaes normais (5) e (6),
atravs do clculo na tabela seguinte dos valores de x, x2, y e xy:
x
0
1,2
2,5
3,7
7,4

SOMA =

y
0,134
0,275
0,339
0,401
1,149

xy

0
1,44
6,25
13,69
21,38

0
0,33
0,8475
1,4837
2,6612

Resumindo:
4

n=4

xi = 7,4 yi = 1,149
i =1

i =1

x i2 = 21,38

i =1

x i yi = 2,6612
i =1

Substituindo nas equaes (7) e (8):

a0 =

(21,38)(1,149) (7, 4)(2,6612)

a1 =

(4)(21,38) (7,4) 2
(4)(2,6612) (7,4)(1,149)
(4)(21,38) (7,4)

4,8727
= 0,1584
30,76

2,1422
= 0,0696
30,76

A funo linear que melhor ajusta os pontos dados pelo mtodo dos mnimos quadrados
descrita pela equao:
y = 0,1584 + 0,0696 x

Ajuste Polinomial
Seja uma funo polinomial de grau m da forma:
y = a 0 + a1x + a 2 x 2 +

+ amxm

(9)

Substituindo (9) na equao para a o somatrio do desvio quadrtico (1):

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5-4

(yi yi ) = (yi a 0 a1x a 2 x 2

n

S=

i =1

a mx m

i =1

)2

As equaes normais para o clculo dos coeficientes da funo polinomial so obtidas a

partir das condies para a minimizao da soma do desvio quadrtico:
S
S
S

S
=
=
= =
=0
a 0 a 1 a 2
a m

(10)

Substituindo S em (10) e derivando, resulta:

S
=
a 0

2 (y i a 0 a1x i a 2 x i2 

i 1
n

a m x im (1) = 0

S
=
a 1

2 (y i a 0 a1x i a 2 x i2 

i 1

a m x im (x i ) = 0

S
=
a 2

2 (y i a 0 a1x i a 2 x i2 

i 1

a m x im x i2 = 0

2 (y i a 0 a1x i a 2 x i2 

i 1

a m x im x im = 0

S
=
a n

)( )

)( )

Rearranjando as equaes acima, resulta o seguinte sistema de equaes, denominado de

equaes normais:
n
n

2
m

na 0 +
x i a1 +
xi a2 + +
xi am =
yi
i =1
i =1
i =1

i =1

n
n

m
1
+
2
3
xi a0 +
x i a1 +
xi a2 +  +
xi am =
x i yi

i =1
i =1
i =1
i =1

i =1

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5-5

2
3
4
+
+
x
a
x
a
x
i 0
i a2 +

i 1
i =1
i =1
i =1

n
n

m +2
+
xi
x i2 y i
am =
i =1

i =1

m +2
m +3
m
xi a0 +
xi
xi

a1 +
a2 +
i =1

i =1

i =1

n
n

2m
+
xi a m =
x im y i
i =1

i =1

Na forma matricial, o sistema de equaes normais para o ajuste polinomial toma a forma:
[A][x] = [b]
que podem ser escritos omitindo os ndices dos somatrios na forma:

[ A] =

xi
 x i2
x im

xi
x i2
 x 3i
xim +1

a0
a
1
[x ] = a 2 ,


a m

xi2
x 3i
 xi4
xim +2

[b] =







yi
x2i yi
x i yi

xmim+1
xmi +2
x
i ,

2m
xi
(11)

x im y i

Observar que a matriz de coeficientes [A] simtrica, isto , aij = aji. Deste modo, podemos
determinar o sistema de equaes normais para qualquer ajuste polinomial como um subconjunto
do sistema acima.

Ajuste Parablico
O ajuste parablico ou de 2a ordem um caso particular do ajuste polinomial para m = 2:
y = a 0 + a1x + a 2 x 2

(12)

de modo que o sistema de equaes normais pode ser escrito como:

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5-6

[A] =

x2i
xi

x2i x i23
x i3 x i4 ,
x i x i

a 0

[x ] = a1 , [b] =

a 2

yi
x2i yi
xi yi

(13)

Exemplo:
A tabela seguinte apresenta os valores de calor especfico a presso constante para o ouro na faixa
de temperatura entre 10 e 100K. Ajustar pelo Mtodo dos Mnimos Quadrados uma curva
parablica do tipo C p = a 0 + a1T + a 2 T 2 , onde Cp o calor especfico e T a temperatura
absoluta.
T(K)

10

15

20

25

30

40

50

60

70

80

90

100

Cp (J/kg.K)

16

26

37

57

73

84

92

99

104

108

Resoluo:
Para o clculo dos coeficientes da matriz [A], por uma questo de compatibilidade com a notao
de (13), definiremos y = Cp e x = T.
TABELA 1 Coeficientes do sistema de equaes
x

SOMA:

10
15
20
25
30
40
50
60
70
80
90
100
590

y
2
7
16
26
37
57
73
84
92
99
104
108
705

x2
100
225
400
625
900
1600
2500
3600
4900
6400
8100
10000
39350

x3
1000
3375
8000
15625
27000
64000
125000
216000
343000
512000
729000
1000000
3044000

x4
10000
50625
160000
390625
810000
2560000
6250000
12960000
24010000
40960000
65610000
100000000
253771250

xy
20
105
320
650
1110
2280
3650
5040
6440
7920
9360
10800
47695

x2y
200
1575
6400
16250
33300
91200
182500
302400
450800
633600
842400
1080000
3640625

Substituindo-se os valores calculados na tabela nas matrizes do sistema [A][x] = [b], obtm-se:
590
39350
12

[ A] = 590 39350 3044000

39350 3044000 253771250

705
[b] = 47695
3640625

A soluo deste sistema de equaes obtida por inverso da matriz [A] :

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5-7

a0 = -27,1891

a1 = 2,54971

a2 = -0,01202

e a equao ajustada expressa como:

C p = 27,1891 + 2,54971T 0,01202T 2
A Fig. 1 mostra os dados experimentais juntamente com a curva parablica ajustada pelos
coeficientes calculados acima, na qual observa-se uma excelente concordncia entre a curva
ajustada e os pontos experimentais.
120

100

Cp (J/kg.K)

80

60

40

20

0
0

20

40

60

80

100

Te mpe ratura (K)

Fig. 1 Dados experimentais do calor especfico a presso constante para o ouro (smbolos) e a
curva parablica ajustada (linha).

Ajuste Multivarivel
O ajuste por funo polinomial visto anteriormente um caso particular de um ajuste
multivarivel, no qual cada um das variveis x, x2, x3, ..., xm podem ser descritas como variveis
distintas e independentes entre si: x1, x2, x3, ... , xm. A funo dessas mltiplas variveis pode ser
escrita como:
y = a 0 + a 1x 1 + a 2 x 2 +

+ a mxm

(14)

Substituindo a funo (14) na equao para a soma dos desvios quadrticos resulta:

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5-8

S=

(y

i yi

i =1

(y a
i

0 a 1 x1 a 2 x 2

a mx m )

i =1

As equaes normais para o clculo dos coeficientes da funo polinomial so obtidas a

partir das condies para a minimizao da soma do desvio quadrtico:
S
S
S
=
=
=
a 0 a 1 a 2

S
=0
a m

(15)

Calculando as derivadas:
S n
= 2(y i a 0 a 1x1 a 2 x 2
a m x m )(1) = 0
a 0 i =1
S n
= 2(y i a 0 a 1x1 a 2 x 2
a m x m )( x1 ) = 0
a 1 i =1
(16)
S
= 2(y i a 0 a1x1 a 2 x 2
a m x m )(x 2 ) = 0
a 2 i =1

n

n
S
= 2(y i a 0 a 1x1 a 2 x 2
a m x m )(x m ) = 0
a m i =1

Resulta no sistema de equaes normais:

n

na 0 +
x1 a1 +
x2 a 2 +
i=1
i =1

2
x1 a 0 +
x1 a 1 +
x1x 2 a 2 +

i=1
i=1

i=1

n
n

+
xm a m =
yi
i =1

i =1

n
n

+
x1 x m a m =
x1y i
i =1

i =1

(17)
n

2
x2 a 0 +
x 2 x1 a 1 +
x2 a2 +

i=1

i =1

i=1

Clculo Numrico e Computacional

n
n

+
x2xm a m =
x2yi
i =1

i =1

C.Y. Shigue

Ajuste de curvas

5-9

xm a0 +
x m x1 a 1 +
xmx2 a2 +

i=1

i=1

i =1

n
n

2
+
xm am =
xmyi
i=1

i =1

Na forma matricial, o sistema de equaes normais para o ajuste polinomial toma a forma:
[A][x] = [b]

(18)

que podem ser escritos omitindo os ndices dos somatrios na forma:

n

x1
[ A] = x 2

x
m

x1
x2
2
x1 x1x 2
x
2 x1
x 22
x m x1 x m x 2

a0
x m
a
x1x m
1

x
2 x m , [x ] = a
2 ,

x 2m

x 1y
[ b] = x 2 y

x y
m

am

(19)

Observar que a matriz de coeficientes [A] simtrica, isto , aij = aji. Deste modo, podemos
determinar o sistema de equaes normais para qualquer ajuste multivarivel como um
subconjunto do sistema acima.

Exemplo:
Considere os seguintes valores de temperatura (T), presso (p) e volume (v) especfico para o ar.
Ajustar uma funo multivarivel do tipo T = apbvc, na qual a, b e c so constantes a serem
determinados pelo mtodo dos mnimos quadrados.
Temperatura (K)
90
100
110
120
130

Presso (bar)
2,397
5,599
11,22
20,14
33,32

Volume especfico (dm /kg)

100,2
44,67
22,15
11,45
5,425

Resoluo:
Primeiramente, necessrio linearizar a funo de ajuste de modo que as constantes estejam
desacopladas das variveis T, p e v. Para isso, vamos aplicar o logaritmo sobre a funo T =
T(p,v) para obter:

 n T =  n a + b. n p + c. n v
Fazendo a seguinte troca de variveis, y =  n T, x1 =  n p, x2 =  n v, a0 =  n a, a1 = b e a2 = c, a
equao acima pode ser re-escrita como:
y = a 0 + a 1x1 + a 2 x 2

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 10

As equaes normais para esta funo de ajuste de duas variveis (x1 e x2) um subsistema da
equao (17) com trs incgnitas (a0, a1 e a2) e trs equaes:
n
n

na 0 +
x1 a 1 +
x 2 a 2 =
yi

i =1
i =1
i =1

n
n

2
x1 a 0 +
x1 a 1 +
x1x 2 a 2 =
x1 y i

i =1
i =1
i =1
i =1

(20)

n
n

2
x 2 a 0 +
x 2 x1 a 1 +
x 2 a 2 =
x 2 yi

i =1
i =1
i =1

i =1

Vamos calcular na tabela seguinte os coeficientes do sistema de equaes normais.

y= nT
4,49981
4,60517
4,70048
4,787492
4,867534
SOMA = 23,46049

x1 = n p
0,874218
1,722588
2,417698
3,002708
3,506158
11,52337

x2 = n v
4,607168
3,799302
3,097837
2,43799
1,691018
15,63332

x1
0,764257
2,967309
5,845263
9,016255
12,29314
30,88623

x2
21,226
14,4347
9,596597
5,943794
2,859542
54,06063

x1x2
4,027669
6,544632
7,489635
7,320571
5,928976
31,31148

x1y
3,933814
7,932811
11,36434
14,37544
17,06634
54,67275

x2y
20,73138
17,49643
14,56132
11,67186
8,231088
72,69208

Substituindo os valores dos somatrios em (20), obtemos o seguinte sistema de equaes:

5a 0 + 11,52337a 1 + 15,63332a 2 = 23, 46049
11,52337a 0 + 30,8863332a 1 + 31,31148a 2 = 54,67275
15,63332a 0 + 31,31148a 1 + 54,06063a 2 = 72,69208
cuja soluo ser: a0 = 4,762418, a1 = 0,063776 e a2 = -0,0695. A partir destas constantes,
podemos obter a soluo para o ajuste multivarivel fazendo:
a 0 = n a a = e a 0 = e 4,762418 = 117,0285

b = a1 = 0,063776

c = a 2 = 0,0695

de modo que
T = 117,0285 p 0,063776 v 0,0695
a funo de ajuste do problema.

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 11

Linearizao de Funes
As funes transcendentes de duas constantes devem ser linearizadas antes de aplicarmos
o Mtodo dos Mnimos Quadrados, a fim de obtermos o sistema de equaes normais lineares. O
procedimento varia, dependendo do tipo de funo. Ilustraremos o procedimento de linearizao
para as funes exponencial, logaritmica, potencial e hiperblica.

Ajuste Exponencial
Um ajuste exponencial geralmente emprega uma funo do tipo:
y = a.e bx

(21)

onde a e b so as constantes da funo de ajuste exponencial.

Este tipo de funo no-linear, de modo que precisamos lineariz-lo antes de aplicar o
Mtodo dos Mnimos Quadrados. A linearizao consiste em transformarmos a equao (21)
numa equivalente equao (2):
y aj = a 0 +a1x

(22)

Para tanto, aplicamos o logaritmo em ambos os lados de (21):

n y = na + bx
Se fizermos:

(23)

y = n y

(24)

a 0 = na

(25)

a1 = b

(26)

A equao (21) poder ser re-escrita como:

yaj = a 0 + a1x

(27)

Observe que esta equao idntica equao (2), exceto pelo fato de que a varivel y'
calculada pelo logaritmo de base natural da varivel y original. Aplicando-se as transformaes
(25) e (26), obtemos as constantes de ajuste exponencial a e b empregando as equaes (7) e (8)
do Mtodo dos Mnimos Quadrados para a funo linear.

Ajuste Logaritmico
Um ajuste logartmico geralmente emprega uma funo do tipo:

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 12

y = a + b. n x

(28)

onde a e b so as constantes da funo de ajuste. Linearizando (21), obtemos as seguintes

relaes de transformao:
y' = y

a0 = a

x' = n x

a1 = b

(29)

A relao linearizada toma a forma:

y aj = a 0 + a1x

(30)

Ajuste Potencial
Um ajuste potencial geralmente emprega uma funo do tipo:
y = a.x b

(31)

onde a e b so as constantes da funo de ajuste. Linearizando (22), obtemos as seguintes

relaes de transformao:
y = n y

a0 = n a

x' = n x

a1 = b

(32)

A relao linearizada toma a forma:

yaj = a 0 + a1x

(33)

Ajuste Hiperblico
Um ajuste hiperblico geralmente emprega uma funo do tipo:
y=a+

b
x

(34)

onde a e b so as constantes da funo de ajuste. Linearizando (23), obtemos as seguintes

relaes de transformao:
y = y

x' =

1
x

a0 = a

a1 = b

(35)

Como sempre, a relao linearizada tem a forma:

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 13

yaj = a 0 + a1x

(36)

Avaliao da Qualidade do Ajuste

Alm das funes de ajuste apresentadas neste texto, existem inmeras outras funes
com as quais podemos ajustar um conjunto de dados pelo mtodo dos mnimos quadrados. A
questo fundamental : qual a funo que representa o melhor ajuste entre todas as outras
funes. Um mtodo pelo qual podemos avaliar a qualidade de um ajuste atravs do coeficiente
de correlao de Pearson. O coeficiente de correlao de Pearson r2 pode ser calculado na forma
mais geral como:
n

(yi y aj )2

n
r2 = 1

i =1

2
n
yi
yi

i =1
i =1
n

(37)

O coeficiente de correlao limitado aos seguintes valores: 0 r 2 1 . Quanto mais

prximo de 1 for o valor de r2, melhor ser o ajuste. Quando r2 0 para um ajuste a dois
coeficientes, significa que o coeficiente angular desprezvel. Como um critrio neste curso,
vamos considerar que um bom ajuste representado por valores de r2 > 0,99.
Uma outra forma do coeficiente de correlao, vlido para ajuste de funo do tipo linear
y = a0 + a1x, expressa como:
n

r=

[(x i x m )(yaj y m )]
i =1

i =1

i =1

(x i x m )2 (y aj ym )2

xi

para a qual x m = i =1
n

x i y aj nx m y m

= i =1

(38)

(n 1)S x S y

yaj

e y m = i =1
n

so os valores mdios de x e yaj, respectivamente.

As expresses:
n

(x i x m )

Sx =

Clculo Numrico e Computacional

i =1

n 1

e Sy =

(y aj ym )2
i =1

n 1

C.Y. Shigue

Ajuste de curvas

5 - 14

representam a covarincia x e covarincia y, respectivamente.

A equao (37) tem a vantagem de poder ser usada na avaliao da qualidade do ajuste de
funes polinomiais e multivariveis. J a equao (38) somente pode ser utilizada para avaliar a
qualidade do ajuste de funes lineares ou linearizadas, como visto com as funes exponencial,
logaritmo, potencial e hiperblica, vistas anteriormente neste texto. Outras funes linearizveis
tambm podem empregar a equao (38) para o clculo do coeficiente de correlao, devendo
observar que os valores de
Exemplo
Ajuste empregando diferentes tipos de funes:
x
y

1,0
0,525

1,2
0,8448

1,4
1,2807

1,6
1,8
1,8634 2,6326

2,0
3,6386

2,2
2,4
4,944 6,6258

2,6
8,7768

2,8
3,0
11,5076 14,9484

Vamos ajustar aos pontos tabelados as seguintes funes: (a) linear y = a0 + a1x, (b) exponencial,
do tipo y = aebx, (c) logaritmico, do tipo y = a + b ln x, (d) potencial, do tipo y = axb e (e)
hiperblico, do tipo y = a + b/x. Vamos determinar atravs do coeficiente de correlao de
Pearson qual destas funes representa o melhor ajuste e comparar graficamente os ajustes
realizados.
Resoluo:
(a) Ajuste linear (regresso linear)
y = a 0 + a 1x

Soma =

1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
2,6
2,8
3,0
22,0

0,52500
0,84478
1,28068
1,86340
2,63260
3,63856
4,94400
6,62580
8,77679
11,50759
14,94844
57,58764

1,000
1,440
1,960
2,560
3,240
4,000
4,840
5,760
6,760
7,840
9,000
48,400

xy
0,52500
1,01374
1,79295
2,98144
4,73868
7,27712
10,87680
15,90192
22,81965
32,22125
44,84532
144,99387

x 2 y x xy (48,40)(57,58764) (22)(144,99387)

=
= 8,3187
a0 =
2
(11)(48,40) (22) 2
n x 2 ( x)
a1 =

n xy x y
n x
2

( x)

Clculo Numrico e Computacional

(11)(144,99387) (22)(57,58764)
(11)(48,40) (22) 2

= 6,7770

C.Y. Shigue

Ajuste de curvas

5 - 15

Clculo do coeficiente de correlao:

Sendo a funo de ajuste y aj = 8,3187 + 6,7770 x , o coeficiente de correlao:
n

(yi yaj )2

n
r2 = 1

i =1

2
n
yi
yi

i =1
i =1
n

requer o clculo das seguintes quantidades: (y - yaj)2, y2 e (y)2 que esto apresentadas na
tabela seguinte:

Soma =

yaj
-1,54171
-0,18632
1,16907
2,52446
3,87985
5,23524
6,59063
7,94602
9,30141
10,65680
12,01219
57,58764

(y - yaj)
4,27130
1,06317
0,01246
0,43700
1,55563
2,54939
2,71139
1,74298
0,27523
0,72384
8,62155
23,96394

y
0,27563
0,71365
1,64014
3,47226
6,93058
13,23912
24,44314
43,90123
77,03204
132,42463
223,45586
527,52827

Substituindo em r2:
r2 = 1

11 23,96394
11 527,52827 (57,58764) 2

= 0,894

Para verificao, vamos calcular o coeficiente de correlao pelo segundo mtodo:

sx =

n1

(y y m ) 2

sy =
r = a1

(x x m ) 2

n 1

4 ,40
= 0,66332
10

226,04314
= 4,75440
10

sx
0,66332
= ( 6,7770)
= 0,95 r2 = 0,89
sy
4,75440

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 16

Assim, o ajuste linear y = 8,3187 + 6,7770 x no representa um bom ajuste porque o

valor de r2 < 0,99.

(b) Ajuste exponencial

y = ae bx
Relaes para linearizao da funo exponencial:
y = n y

a0 = n a

a1 = b

y = a 0 + a 1x

Soma =

x
1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
2,6
2,8
3,0
22,0

y' = ln y
-0,64436
-0,16868
0,24739
0,62240
0,96797
1,29159
1,59817
1,89097
2,17211
2,44301
2,70461
13,12519

x
1,000
1,440
1,960
2,560
3,240
4,000
4,840
5,760
6,760
7,840
9,000
48,400

xy'
-0,64436
-0,20241
0,34635
0,99584
1,74235
2,58318
3,51598
4,53833
5,64749
6,84042
8,11382
33,47699

yaj
-0,44921
-0,12073
0,20775
0,53623
0,86472
1,19320
1,52168
1,85016
2,17865
2,50713
2,83561
13,12519

(y yaj)
0,03808
0,00230
0,00157
0,00743
0,01066
0,00968
0,00585
0,00167
0,00004
0,00411
0,01716
0,09855

y
0,41520
0,02845
0,06120
0,38739
0,93697
1,66820
2,55416
3,57577
4,71807
5,96828
7,31490
27,62859

x 2 y x xy (48,4)(13,12519) (22)(33,47699)

=
= 2,0916
a0 =
2
2
2 (

(
11
)(
48
,
40
)
(
22
)
n x x )
a1 =

xy x y = (11)(33,47699) (22)(13,12519) = 1,6424

2
(11)(48, 40) (22) 2
n x 2 ( x )

Assim,
a = e a 0 = e 2,2867 = 0,12349
b = a1 = 1,6424
de modo que a funo de ajuste exponencial tem a forma:
y = 0,12349 e1,6424x

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 17

Na tabela acima, esto calculados os valores de (y - yaj)2 = 0,09855 e y2 = 27,62859,

que substituindo na equao (37) do coeficiente de correlao, resulta:
r2 = 1

11 0,09855
11 27,62859 (13,12519) 2

= 0,992

Este coeficiente de correlao indica que a funo de ajuste exponencial representa um

bom ajuste para os dados (x,y).

(c) Ajuste logaritmico

y = a + b. n x
Relaes para linearizao da funo logaritmica:
x = n x

a0 = a

a1 = b

y = a 0 + a 1x

Soma =

x' = ln x
0,000
0,182
0,336
0,470
0,588
0,693
0,788
0,875
0,956
1,030
1,099
7,017

y
0,52500
0,84478
1,28068
1,86340
2,63260
3,63856
4,94400
6,62580
8,77679
11,50759
14,94844
57,58764

x'
0,000
0,033
0,113
0,221
0,345
0,480
0,622
0,766
0,913
1,060
1,207
5,761

x'y
0,00000
0,15402
0,43091
0,87580
1,54741
2,52206
3,89813
5,80068
8,38632
11,84844
16,42254
51,88632

yaj
-2,28673
-0,13699
1,68059
3,25505
4,64382
5,88612
7,00991
8,03586
8,97964
9,85344
10,66693
57,58764

(y - yaj)
7,90581
0,96387
0,15993
1,93669
4,04501
5,05152
4,26800
1,98827
0,04115
2,73622
18,33135
47,42781

y
0,27563
0,71365
1,64014
3,47226
6,93058
13,23912
24,44314
43,90123
77,03204
132,42463
223,45586
527,52827

x 2 y x x y (5,761)(57,58764) (7,017)(51,88632)

=
= 2,2867
a0 =
2
2
2 (

(
11
)(
5
,
761
)
(
7
,
017
)

)
n x x
a1 =

xy x y = (11)(51,88632) (7,017)(57,58764) = 11,7909

2
(11)(5,761) (7,017) 2
n x 2 ( x )

a = a 0 = 2,2867
b = a1 = 11,7909

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 18

A funo de ajuste logaritmo tem a forma:

y = 2,2866 + 11,7909 n x
Coeficiente de correlao: r 2 = 1

11 47,42781
11 527,52827 (57,58764) 2

= 0,790

(d) Ajuste potencial

y = ax b
Relaes para linearizao da funo potencial:
x = n x

y = n y

a0 = n a

a1 = b

y = a 0 + a 1x

Soma =

x' = ln x
0,000
0,182
0,336
0,470
0,588
0,693
0,788
0,875
0,956
1,030
1,099
7,017

y' = ln y
-0,64436
-0,16868
0,24739
0,62240
0,96797
1,29159
1,59817
1,89097
2,17211
2,44301
2,70461
13,12519

x'
0,000
0,033
0,113
0,221
0,345
0,480
0,622
0,766
0,913
1,060
1,207
5,761

x'y'
0,00000
-0,03075
0,08324
0,29253
0,56896
0,89526
1,26009
1,65549
2,07548
2,51537
2,97131
12,28698

yaj
-0,75020
-0,19479
0,27481
0,68159
1,04040
1,36136
1,65171
1,91677
2,16061
2,38637
2,59655
13,12519

(y - yaj)
0,01120
0,00068
0,00075
0,00350
0,00525
0,00487
0,00287
0,00067
0,00013
0,00321
0,01168
0,04480

y
0,41520
0,02845
0,06120
0,38739
0,93697
1,66820
2,55416
3,57577
4,71807
5,96828
7,31490
27,62859

x 2 y x x y (5,761)(13,12519) (7,017)(12,28698)

=
= 0,7502
a0 =
2
2
2

(
11
)(
5
,
761
)
(
7
,
017
)
n x ( x )
a1 =

xy x y = (11)(12,28698) (7,017)(13,12519) = 3,0463

2
(11)(5,761) (7,017) 2
n x 2 ( x )
a = e a 0 = e 0,7502 = 0,47227
b = a1 = 3,0463

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 19

y = 0, 47227 x 3,0463
r2 = 1

11 0,04480
11 27,62859 (13,12519) 2

= 0,996

O coeficiente de correlao do ajuste potencial o maior dentre todos os ajustes

realizados at aqui, indicando ser esta a melhor funo de ajuste.

(e) Ajuste hiperblico

y=a+

b
x

Relaes para linearizao da funo logaritmica:

x =

1
x

a0 = a

a1 = b

y = a 0 + a 1x
x' = 1/x
1,000
0,833
0,714
0,625
0,556
0,500
0,455
0,417
0,385
0,357
0,333
6,174

Soma =

y
0,52500
0,84478
1,28068
1,86340
2,63260
3,63856
4,94400
6,62580
8,77679
11,50759
14,94844
57,58764

x'
1,000
0,694
0,510
0,391
0,309
0,250
0,207
0,174
0,148
0,128
0,111
3,921

x'y
0,52500
0,70398
0,91477
1,16463
1,46256
1,81928
2,24727
2,76075
3,37569
4,10985
4,98281
24,06659

yaj
(y - yaj)
-2,72875 10,58687
0,29697
0,30010
2,45819
1,38653
4,07911
4,90936
5,33982
7,32904
6,34839
7,34319
7,17359
4,97105
7,86125
1,52633
8,44312
0,11134
8,94186
6,58297
9,37410 31,07322
57,58764 76,12000

y
0,27563
0,71365
1,64014
3,47226
6,93058
13,23912
24,44314
43,90123
77,03204
132,42463
223,45586
527,52827

x 2 y x x y (3,921)(57,58764) (6,174)(24,06659)

=
= 15,4255
a0 =
2
2
2

(
11
)(
3
,
921
)
(
6
,
174
)
n x ( x )
a1 =

xy x y = (11)(24,06659) (6,174)(57,58764) = 18,1543

2
(11)(3,921) (6,174) 2
n x 2 ( x )

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 20

a = a 0 = 15,4255
b = a1 = 18,1543
y = 15,4255
r2 = 1

18,1543
x

11 76,12
11 527,52827 (57,58764) 2

= 0,663

(f) Comparao entre os valores fornecidos e os valores ajustados

Pelo clculo do coeficiente de correlao de Pearson, os melhores ajustes foram os
obtidos pelas funes exponencial (r2 = 0,992) e potencial (r2 = 0,996). Atravs do clculo dos
valores (x,y) usando as expresses obtidas pelas funes de ajuste, podemos comparar
graficamente cada uma das funes de ajuste e verificar que os melhores ajustes calculados pelo
coeficiente de correlao de Pearson correspondem s curvas que melhor representam o
comportamento dos valores (x,y) do problema.

Tabela Comparao entre os valores de y fornecido e ajustados,

Dados fornecidos

Dados ajustados

Linear

Exponencial

Logaritmo

Potencial

Hiperblico

1,0
1,2
1,4
1,6
1,8
2,0
2,2
2,4
2,6
2,8
3,0

0,52500
0,84478
1,28068
1,86340
2,63260
3,63856
4,94400
6,62580
8,77679
11,50759
14,94844

-1,54171
-0,18632
1,16907
2,52446
3,87985
5,23524
6,59063
7,94602
9,30141
10,65680
12,01219

0,63813
0,88627
1,23091
1,70956
2,37433
3,29761
4,57992
6,36086
8,83434
12,26965
17,04081

-2,28673
-0,13699
1,68059
3,25505
4,64382
5,88612
7,00991
8,03586
8,97964
9,85344
10,66693

0,47227
0,82301
1,31628
1,97702
2,83034
3,90150
5,21589
6,79900
8,67645
10,87395
13,41731

-2,72875
0,29697
2,45819
4,07911
5,33982
6,34839
7,17359
7,86125
8,44312
8,94186
9,37410

Clculo Numrico e Computacional

C.Y. Shigue

Ajuste de curvas

5 - 21

(g) Grfico dos pontos fornecidos e das curvas ajustadas

Grfico comparativo dos ajustes

18
y

14

Linear
Exponencial
Logaritmo

10

Potencial

Hiperblico

6
2

-2
1.0

1.5

2.0
x

2.5

3.0

Exerccios
1. Considere a seguinte tabela de dados:
x
y

1,0
0,340

1,4
2,25

2,0
5,89

Ajustar uma funo linear do tipo y = a0 + a1x e uma funo exponencial do tipo y = aebx aos
dados acima. Determinar qual delas representa o melhor ajuste atravs do clculo do
coeficiente de correlao de Pearson. Verificar graficamente os ajustes calculados.
2. Desenvolver as equaes normais para a funo f(x) = a.x + b.cos x (a e b so os coeficientes
de ajuste), empregando o Mtodo dos Quadrados Mnimos, ajust-la aos seguintes valores
numricos e calcular o coeficiente de correlao:
x
y

Clculo Numrico e Computacional

1,0
1,683

1,2
2,046

2,0
2,512

C.Y. Shigue

Ajuste de curvas

5 - 22

3. Considere os seguintes valores numricos:

x
y

0
3,8

0,5
2,8

0,8
2,5

1,2
1,3

1,8
0,4

2,0
-0,2

3,0
1,0

Traar o grfico dos pontos tabelados e ajustar uma funo linear a eles. Traar a reta ajustada
ao grfico dos pontos tabelados. Verificar grfica e numericamente pelo coeficiente de
correlao de Pearson que o ajuste de m qualidade. Corrigir o problema que est
prejudicando o ajuste linear e verificar novamente pelo grfico e pelo coeficiente de correlao
de Pearson a qualidade do ajuste.
4. Linerizar as seguintes funes:
b
(a) y = a . x + 2
(b) y = a.ln bx
x
(d) y = a. e bx

(c) y = a.sen x + b.cos x

(e) y = ax + bx 3

(f) y = a + bx

5. A tabela seguinte fornece a populao do Brasil (em milhes de habitantes) desde 1872:
ANO
Pop.

1872
9,9

1890
14,3

1900
17,4

1920
30,6

1940
41,2

1950
51,9

1960
70,9

1970
93,1

1980
130

1990
150

Obtenha uma estimativa para a populao brasileira no ano 2000 empregando diferentes tipos
de ajustes de curvas.

Clculo Numrico e Computacional

C.Y. Shigue