UNIVERSIDADE FEDERAL DE ALAGOAS

CAMPUS DO SERTO
EIXO DE TECNOLOGIA

AJUSTE OU APROXIMAO

Consideraes Matemticas

Considere uma funo f: R
R.

Por se tratar de uma funo de uma nica varivel f(x), a

derivada desta funo dita derivada total:

df ( x)
dx

Considere agora uma funo f: R2
R. Temos nesse

caso, uma funo de duas variveis f(x,y). Podemos
calcular as derivadas de f em relao a qualquer uma
das variveis:
f(x,y)
f(x,y)
Derivadas parciais
e
da funo f(x,y).
y
x

Consideraes Matemticas

Exemplo: Seja a funo f(x,y) = 3x2 + 4y3. Obtenha

as derivadas parciais de f.

Derivada de f em relao a x: considera-se y como

constante.
f(x,y)
= 6x
x
Derivada de f em relao a y: considera-se x como
constante.
f(x,y)
= 12 y 2
y

Consideraes Matemticas

Somatrias

k =1

k =1

xk = x1 + x2 + + xm
a = a + a + + a = m a

1 = 1+1+ +1 = m

k =1

x
=
a
x
=
a
(
x
+
x
+

+
x
)

k
k
1
2
m
k =1
k =1

Introduo

Dado um conjunto de pontos, no ajuste ou

aproximao, tenta-se encontrar uma funo q(x) que
melhor aproxime esses pontos. Aqui, no existe a
necessidade da funo passar por todos os pontos
conhecidos.

Introduo
Ajuste X Interpolao
120

ajuste linear
interpolao
pontos

100

y(x)

80

60

40

20

0
75

80

85

90

95

100

No ajuste busca-se uma funo que melhor represente os dados.

No exige-se que essa funo passe pelos pontos fornecidos.

Quando utilizar?

Quando se deseja extrapolar ou fazer previses em

regies fora do intervalo considerado;
Quando os dados tabelados so resultados de
experimentos, onde erros na obteno destes
resultados podem influenciar a sua qualidade.

Objetivo

Minimizar os desvios (ou resduos) de cada ponto

tabelado em relao a uma funo ajustada.

Formulao

Dada uma tabela com m pontos (xk, f(xk)), k=1,...,m em

um intervalo [a,b]. Deseja-se encontrar uma funo
q(x) = a1g1(x) + a2g2(x) + ... + angn(x) que melhor
ajuste esses pontos. Ou seja, determinar a funo q(x)
que mais se aproxime de f(x).
Problema: Como escolher as funes g1(x), g2(x), ...,
gn(x)?

Formulao

Observando o diagrama de disperso dos pontos

tabelados com o intuito de buscar a curva que melhor
ajusta os dados;

Formulao

Baseando-se em fundamentos tericos dos experimentos

que forneceu a tabela.

Ex.: Sabe-se que a relao entre tenso e corrente eltrica

linear Lei de Ohm.

Mtodo dos Mnimos Quadrados

Mtodo bastante utilizado para

determinada quantidade de pontos;

ajustar

uma

Dados m pontos (xk, f(xK)), k=1,...,m e as n funes

g1(x), g2(x), ..., gn(x) escolhidas de alguma forma.

Considere que o nmero de pontos tabelados m

sempre maior ou igual ao nmero de funes escolhidas n
(ou ao nmero de coeficientes a determinar ai);
Encontrar os coeficientes a1, a2, ..., an tais que a funo
q(x) = a1g1(x) + a2g2(x) + ... + angn(x) se aproxime ao
mximo de f(x).

Mtodo dos Mnimos Quadrados

Seja dk = f(xk) q(xk) o desvio em xk. Um conceito de

proximidade que dk seja mnimo para todo k = 1, 2, ...,
m.

O Mtodo dos Mnimos Quadrados consiste em escolher

os ais de tal forma que a soma dos quadrados dos
desvios seja mnima.
m

S = d = [ f ( x k ) q ( xk ) ]
k =1

2
k

k =1

Como minimizar essa funo?

Mtodo dos Mnimos Quadrados

m

S = d = [ f ( x k ) q ( xk ) ]
k =1

2
k

k =1

Usando clculo diferencial, sabe-se que para encontrar

um ponto de mnimo de S(a1, a2, ..., an), necessrio
achar inicialmente os pontos crticos (ou seja, todos os
ais).

S
=0
ai

Por que minimizar os quadrados?

Mtodo dos Mnimos Quadrados

Ajuste Linear

Neste tipo de ajuste consideramos as funes g1(x) =

1 e g2(x) = x. Assim, a funo de ajuste dada por

q ( x) = a1 + a2 x

onde a1 e a2 so os coeficientes a serem determinados

pelo mtodo dos mnimos quadrados.

Mtodo dos Mnimos Quadrados

Ajuste Linear
m

S = d = [ f ( x k ) q ( xk ) ]
k =1
m

2
k

k =1
m

S = d = [ f ( xk ) a1 a2 xk ]
k =1

2
k

k =1

A condio de minimizao satisfeita se:

S
S
=
=0
a1 a2

Mtodo dos Mnimos Quadrados

Ajuste Linear

m
S
= 2 [ f ( xk ) a1 a2 xk ](1) = 0
a1
k =1
m

[ f (x ) a
k =1
m

a 2 xk ] = 0
m

f (x ) a a x
k =1

k =1

k =1

2 k

=0

Mtodo dos Mnimos Quadrados

Ajuste Linear
m

a + a x = f (x )
1

k =1

2 k

k =1

k =1

k =1

k =1

k =1

k =1

k =1

a1 1 + a2 xk = f ( xk )
m a1 + a2 xk = f ( xk )

Mtodo dos Mnimos Quadrados

Ajuste Linear
m

k =1

k =1

m a1 + a2 xk = f ( xk )

a1 m

x k = f ( xk )

k =1
a2 k =1

Mtodo dos Mnimos Quadrados

Ajuste Linear
m
S
= 2 [ f ( xk ) a1 a2 xk ]( xk ) = 0
a2
k =1

[ x
m

k =1

f ( xk ) + a1 xk + a x = 0
2
2 k

xk f ( xk ) + a1 xk + a x = 0
k =1

k =1

k =1

2
2 k

Mtodo dos Mnimos Quadrados

Ajuste Linear
m

a x + a x = x
1 k

k =1

k =1

2
2 k

k =1

k =1

k =1

k =1

f ( xk )

a1 xk + a2 xk2 = xk f ( xk )

m
xk
k =1

m
a

1
2
xk = xk f ( xk )

k =1
a2 k =1

Mtodo dos Mnimos Quadrados

Ajuste Linear
Agrupando as equaes:

m
m
x

k =1 k

f ( xk )
xk

1
k =1
k =1

m
m
2 a 2
x f ( x )
x

k
k
k

k =1

k =1
m

Mtodo dos Mnimos Quadrados

Aplicao: encontrar a melhor reta que ajusta os

valores da tabela abaixo:
x

0,00

0,25

0,50

0,75

1,00

f(x)

1,00

1,2840

1,6487

2,1170

2,7183

Soluo:

Nmero de pontos tabelados m = 5.

Mtodo dos Mnimos Quadrados

Diagrama de Disperso
2.8
2.6
2.4

f(x)

2.2
2
1.8
1.6
1.4
1.2
1

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

Mtodo dos Mnimos Quadrados

5

x
k =1
5

k =1
5

k =1

x k2 = 0 2 + 0 , 25 2 + 0 ,5 2 + 0 , 75 2 + 1 2 = 1,875
f ( x k ) = 1 + 1, 284 + 1, 6487 + 2 ,117 + 2 , 7183 = 8 , 768

x
k =1

= 0 + 0 , 25 + 0 ,5 + 0 , 75 + 1 = 2 ,5

m
m
x
k

k =1

f ( xk ) = 0 1 + 0,25 1,284 + 0,5 1,6487 + 0,75 2,117 + 1 2,7183 = 5,4514

xk
f ( xk ) 5

2,5 a1 8,768
a

k =1

1
k =1
=
= m

m
2 a2
2,5 1,875 a2 5,4514

x
x
f
(
x
)

k
k
k

k =1

k =1
m

Mtodo dos Mnimos Quadrados

Soluo do sistema:
5

a1 0,8997
=

a
1
,
7078

pontos
ajuste linear

Funo ajustada

q ( x ) = 0,8997 + 1,7078 x

f(x)

Soma dos quadrados dos

resduos

S = d k2 = 0,0392
k =1

-1
-1

-0.5

0.5

1.5

Mtodo dos Mnimos Quadrados

Ajuste Polinomial

Pode-se estender o processo do clculo da funo

utilizaod no ajuste linear para o ajuste polinomial.
Assim, uma funo polinomial de grau (n-1) dada
por:
2
n 1

q ( x) = a1 + a2 x + a3 x + + an x

onde os coeficientes ai podem ser obtidos atravs da

expanso do sistema utilizado no ajuste linear.

S
=0
ai

com i = 1,2,...,n

Mtodo dos Mnimos Quadrados

Ajuste Polinomial

A expanso resultar no seguinte sistema:

m
m

xk

k =1
m
xk2
k =1

m n 1
xk
k =1

xk

2
x
k

2
x
k

3
x
k

3
x
k

4
x
k

k =1
m

k =1
m

k =1

m
n
x
k
k =1

k =1
m

k =1
m

k =1

n +1
x
k
k =1

n 1
xk

f ( xk )
k =1
k =1

m
m
1
n

x
f
(
x
)

k
k
a2 k

k
=
1
k =1

m
a3 = m

2
n +1
xk xk f ( xk )

k =1
k =1

m
m
2 ( n 1)
x n 1 f ( x )
x

k
k
k

k =1
k =1

Mtodo dos Mnimos Quadrados

Aplicao: encontrar a melhor parbola que ajusta

os valores da tabela abaixo:
x

0,00

0,25

0,50

0,75

1,00

f(x)

1,00

1,2840

1,6487

2,1170

2,7183

Soluo:

Nmero de pontos tabeados m = 5.

Polinmio adotado (n = 3):
q ( x ) = a1 + a 2 x + a 3 x 2

Mtodo dos Mnimos Quadrados

x
k =1

k =1

x
5

k =1

0,25

0,50

0,75

1,00

f(x)

1,00

1,2840

1,6487

2,1170

2,7183

= 0 + 0 , 25 + 0 ,5 + 0 , 75 + 1 = 2 ,5

x k2 = 0 2 + 0 , 25 2 + 0 ,5 2 + 0 , 75 2 + 1 2 = 1,875

5
k =1

0,00

Calculando os termos da matriz de coeficientes e do

vetor de constantes:

3
k

= 0 3 + 0 , 25 3 + 0 ,5 3 + 0 , 75 3 + 13 = 1,5625

x k4 = 0 4 + 0 , 25 4 + 0 ,5 4 + 0 , 75 4 + 14 = 1,3828

Mtodo dos Mnimos Quadrados

k =1

x
5

0,00

0,25

0,50

0,75

1,00

f(x)

1,00

1,2840

1,6487

2,1170

2,7183

f ( x k ) = 1 + 1, 284 + 1, 6487 + 2 ,117 + 2 , 7183 = 8 , 768

5
k =1

f ( xk ) = 0 1 + 0,25 1,284 + 0,5 1,6487 + 0,75 2,117 + 1 2,7183 = 5,4514

2
2
2
2
2
2
x

f
(
x
)
=
0

1
+
0
,
25

1
,
284
+
0
,
5

1
,
6487
+
0
,
75

2
,
117
+
1
2,7183 = 4,4015
k k
k =1

Mtodo dos Mnimos Quadrados

Montando o sistema de equaes:

2,5
1,875 a1 8,768
5
2,5 1,875 1,5625 a = 5,4514

2
1,875 1,5625 1,3828 a3 4,4015
Soluo:

a1 1,0051

a
=
0
,
8647
2

a 0,8432
3

Equao da parbola:

q ( x ) = 1,0051 + 0,8647 x + 0,8432 x 2

Mtodo dos Mnimos Quadrados

12

ajuste parablico
pontos

10

f(x)

0
-3

-2

-1

Mtodo dos Mnimos Quadrados

Linearizao

Algumas funes de duas constantes podem ser

linearizadas antes da aplicao do mtodo dos mnimos
quadrados, com o objetivo de obter o sistema de
equaes como aquele apresentado anteriormente.

Funo Exponencial

y = ae

bx

Se aplicarmos o logartmo em ambos os membros, teremos:

Mtodo dos Mnimos Quadrados

Funo Exponencial

y = ae

bx

ln( y ) = ln( ae ) = ln( a ) + ln( e )

bx

bx

ln( y ) = ln( a ) + bx
Se fizermos y* = ln(y), a1 = ln(a) e a2 = b, temos:

y * = a1 + a 2 x
Equao da reta. Da o nome linearizao.

Mtodo dos Mnimos Quadrados

Funo Logartmica

y = a ln(bx )
A funo pode ser expandida para:

y = a ln( b ) + a ln( x )
Se fizermos y* = y, a1 = aln(b), a2 = a e x* = ln(x):

y * = a1 + a 2 x *

Mtodo dos Mnimos Quadrados

Funo Potencial

y = ax

Se aplicarmos o logartmo em ambos os membros, teremos:

ln( y ) = ln( ax ) = ln( a ) + b ln( x )

b

Se fizermos y* = ln(y), a1 = ln(a), a2 = b e x* = ln(x):

y * = a1 + a 2 x *

Mtodo dos Mnimos Quadrados

Funo Hiperblica

b
y =a+
x
Se fizermos y* = y, x* = 1/x, a1 = a, a2 = b:

y = a1 + a 2 x
*

Mtodo dos Mnimos Quadrados

Aplicao: encontrar a melhor funo que ajusta os

valores da tabela abaixo:
x

-1

-0,7

-0,4

-0,1

0,2

0,5

0,8

36,547

17,264

8,155

3,852

1,82

0,86

0,406

0,246

Sugesto: utilizar uma funo exponencial.

y = ae

bx

Mtodo dos Mnimos Quadrados

Como vamos ajustar os pontos
precisamos fazer a adaptao:

por uma

exponencial,

y = ln( y )
*

-1

-0,7

-0,4

-0,1

0,2

0,5

0,8

36,547

17,264

8,155

3,852

1,82

0,86

0,406

0,246

y*

3,5986

2,8486

2,0986

1,3486

0,5988

-0,1508

-0,9014

-1,4024

Ento faz-se um ajuste linear dos pontos de abscissa x e

ordenada y*.

Mtodo dos Mnimos Quadrados

x

-1

-0,7

-0,4

-0,1

0,2

0,5

0,8

36,547

17,264

8,155

3,852

1,82

0,86

0,406

0,246

y*

3,5986

2,8486

2,0986

1,3486

0,5988

-0,1508

-0,9014

-1,4024

Nmero de pontos m = 8
8

x
k =1

m
m
x
k

k =1

= 0 ,3

x
k =1

2
k

= 3,59

k =1

f ( x k ) = 8 , 0386

x
k =1

f ( xk ) = 8,6461

xk
f ( xk ) 8

0,3 a1 8,0386
a

k =1

1
k =1
=
= m

m
2 a2
0,3 3,59 a2 8,6461

x
x
f
(
x
)

k
k
k

k =1

k =1
m

Mtodo dos Mnimos Quadrados

Resolvendo o sistema:

a1 1,0986
=

a2 2,5002
Equao da reta:

y * = 1,0986 2,5002 x
Para adaptar esses valores, coeficientes da reta, para a funo
exponencial, ainda basta fazer as seguintes adaptaes:

Mtodo dos Mnimos Quadrados

y = 1,0986 2,5002 x
*

a1 = ln( a ) a = e = e
a1

1, 0986

=3

a 2 = b = 2,5002
Ento, a funo exponencial que melhor ajusta os pontos
fornecidos no exemplo :

y = 3e

2 , 5002 x

Mtodo dos Mnimos Quadrados

140

ajuste exponencial
pontos

120

100

f(x)

80

60

40

20

0
-1.5

-1

-0.5

0.5

1.5

Qualidade do Ajuste

Uma forma de avaliar a qualidade do ajuste atravs

do coeficiente de correlao de Pearson (r). Este
coeficiente pode ser calculado pela seguinte expresso:
m

r=

[( y
k =1

(y
k =1

y )(qk q )]

y)
2

(q
k =1

q)

1 m
y = yk
m k =1

1 m
e q = qk
m k =1

Sendo yk os valores tabelados da funo e qk os valores

da funo ajustada relativos aos valores xk.

Qualidade do Ajuste

Esse coeficiente assume apenas valores entre -1 e 1:

r = 1, significa uma correlao perfeita positiva entre

duas variveis;
r = -1, significa uma correlao perfeita negativa
entre duas variveis, isto , se uma aumenta a outra
diminui;
r = 0, indica que as duas variveis no dependem
linearmente uma da outra.