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 n
S= i2 = (yi yi )2 (1)
i =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:

S
=0 (3)
a 0
e
S
=0 (4)
a 1

Clculo Numrico e Computacional C.Y. Shigue

Ajuste de curvas 5-2

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

n n
S
=
a 0 a 0 2
i =
a 0
(y i yi )2

i =1 i =1

Substituindo (2) na equao acima, resulta:

n n
S
=
a 0 a 0 2

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

de onde vem que:

n n

na 0 +
x i a1 =
i =1
yi (5)
i =1

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

n n n
2
xi a0 +
i =1 i =1

x i a1 = x i yi (6)
i =1

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 n n n
x y x xy
2

a 0 = i =1 i =1 i =1 i =1 (7)
2
n n

n x2

x

i =1 i =1

n n n
n xy x y
a1 = i =1 i =1 i =1 (8)
2
n n
n x2

x

i =1 i =1

Clculo Numrico e Computacional C.Y. Shigue

Ajuste de curvas 5-3

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

x 0 1,2 2,5 3,7

y 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:
2
x y x xy
0 0,134 0 0
1,2 0,275 1,44 0,33
2,5 0,339 6,25 0,8475
3,7 0,401 13,69 1,4837
SOMA = 7,4 1,149 21,38 2,6612

Resumindo:

4 4 4 4
n=4 xi = 7,4 yi = 1,149 x i2 = 21,38 x i yi = 2,6612
i =1 i =1 i =1 i =1

Substituindo nas equaes (7) e (8):

(21,38)(1,149) (7, 4)(2,6612) 4,8727

a0 = = = 0,1584
(4)(21,38) (7,4) 2 30,76

(4)(2,6612) (7,4)(1,149) 2,1422

a1 = = = 0,0696
2
(4)(21,38) (7,4) 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 )2

n n
2
S= a mx m
i =1 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
S
= = = = =0 (10)
a 0 a 1 a 2 a m

Substituindo S em (10) e derivando, resulta:

2 (y i a 0 a1x i a 2 x i2  )
n
S
a 0
= a m x im (1) = 0
i 1 =

2 (y i a 0 a1x i a 2 x i2  )
n
S
a 1
= a m x im (x i ) = 0
i 1=

2 (y i a 0 a1x i a 2 x i2  )( )
n
S
a 2
= a m x im x i2 = 0
=
i 1


2 (y i a 0 a1x i a 2 x i2  )( )
n
S
a n
= a m x im x im = 0
i 1=

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

equaes normais:

n n n n
2 m
na 0 + x i a1 +
i =1

xi a2 + +
i =1 i =1

xi am =
i =1
yi

n n n n n
2 3
xi a0 +
i =1
x i a1 +
i =1

xi a2 +  +
i =1 i =1
m +

1
xi am =
i =1
x i yi

Clculo Numrico e Computacional C.Y. Shigue

Ajuste de curvas 5-5

n n n n n
2 3 4 m +2
x
i =1
a +
i 0 x
i =1
a +
i 1 x
i =1

i a2 + +
i =1
xi am =


x i2 y i
i =1

n n n n n
m m +2 m +3 2m

i =1
xi a0 +


i =1
xi a1 +
i =1
xi a2 +

+
i =1
xi a m =

x im y i
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:

n xi xi2 
xmim+1

xi x i2 x 3i 
xmi +2
[ A] =
 x i2  x 3i  xi4 
 x
i ,


x im xim +1 xim +2 
xi 2m

(11)

a0

yi
a
1

x2i yi
[x ] = a 2 , [b] =

x i yi

a m
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

n x2i x i23 a 0

yi
[A] =
x2i x i3 x i4 ,
[x ] = a1 , [b] =
x2i yi (13)

xi x i x i a 2
xi yi
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) 2 7 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 y x2 x3 x4 xy x2y
10 2 100 1000 10000 20 200
15 7 225 3375 50625 105 1575
20 16 400 8000 160000 320 6400
25 26 625 15625 390625 650 16250
30 37 900 27000 810000 1110 33300
40 57 1600 64000 2560000 2280 91200
50 73 2500 125000 6250000 3650 182500
60 84 3600 216000 12960000 5040 302400
70 92 4900 343000 24010000 6440 450800
80 99 6400 512000 40960000 7920 633600
90 104 8100 729000 65610000 9360 842400
100 108 10000 1000000 100000000 10800 1080000
SOMA: 590 705 39350 3044000 253771250 47695 3640625

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

12 590 39350 705

[ A] = 590 39350 3044000
[b] = 47695
39350 3044000 253771250 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

80
Cp (J/kg.K)

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

n n
S= (y
i =1
i yi ) 2
= (y a
i =1
i 0 a 1 x1 a 2 x 2 a mx m )
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 (15)
a 0 a 1 a 2 a m

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 n
= 2(y i a 0 a1x1 a 2 x 2
a m x m )(x 2 ) = 0
a 2 i =1


S n
= 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 n n n

na 0 +
x1 a1 +
i=1


x2 a 2 +
i =1

+
i =1

xm a m =


i =1
yi

n n n n n


i=1

x1 a 0 +
i=1

2
x1 a 1 +
i=1


x1x 2 a 2 +


+
i =1

x1 x m a m =


i =1
x1y i

(17)
n n n n n


i=1



x2 a 0 +
i =1

x 2 x1 a 1 +
i=1
2

x2 a2 +


+
i =1

x2xm a m =


i =1
x2yi

Clculo Numrico e Computacional C.Y. Shigue

Ajuste de curvas 5-9

n n n n n


i=1



xm a0 +
i=1

x m x1 a 1 +


i =1

xmx2 a2 +


+
i=1
2
xm am =
i =1
xmyi
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 x2 x m a0 y

a
x1 x1 x1x 2 x1x m x 1y
2
1
[ A] = x 2 x
2 x1
x 22 x
2 x m , [x ] = a
2 ,
[ b] = x 2 y (19)




x x 2m x y
m x m x1 x m x 2 am m

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.
3
Temperatura (K) Presso (bar) Volume especfico (dm /kg)
90 2,397 100,2
100 5,599 44,67
110 11,22 22,15
120 20,14 11,45
130 33,32 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 n
na 0 +
x1 a 1 +
x 2 a 2 =
yi
i =1 i =1 i =1

n n n n


x1 a 0 + 2
x1 a 1 +
x1x 2 a 2 = x1 y i (20)
i =1 i =1 i =1 i =1

n n n n


x 2 a 0 +
x 2 x1 a 1 + 2
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.

2 2
y= nT x1 = n p x2 = n v x1 x2 x1x2 x1y x2y
4,49981 0,874218 4,607168 0,764257 21,226 4,027669 3,933814 20,73138
4,60517 1,722588 3,799302 2,967309 14,4347 6,544632 7,932811 17,49643
4,70048 2,417698 3,097837 5,845263 9,596597 7,489635 11,36434 14,56132
4,787492 3,002708 2,43799 9,016255 5,943794 7,320571 14,37544 11,67186
4,867534 3,506158 1,691018 12,29314 2,859542 5,928976 17,06634 8,231088
SOMA = 23,46049 11,52337 15,63332 30,88623 54,06063 31,31148 54,67275 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 (23)
Se fizermos:
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 x' = n x a0 = a 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 x' = n x a0 = n a 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:

b
y=a+ (34)
x

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

relaes de transformao:

1
y = y x' = a0 = a a1 = b (35)
x

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
n (yi y aj )2
r2 = 1 i =1 (37)
2
n n
n 2
yi
yi

i =1 i =1

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 n
[(x i x m )(yaj y m )] x i y aj nx m y m
r= i =1 = i =1 (38)
n n (n 1)S x S y
(x i x m )2 (y aj ym )2
i =1 i =1

n n
xi yaj
para a qual x m = i =1 e y m = i =1 so os valores mdios de x e yaj, respectivamente.
n n

As expresses:

n n

(x i x m ) 2
(y aj ym )2
Sx = i =1 e Sy = i =1
n 1 n 1

Clculo Numrico e Computacional 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 1,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0
y 0,525 0,8448 1,2807 1,8634 2,6326 3,6386 4,944 6,6258 8,7768 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
2
x y x xy
1,0 0,52500 1,000 0,52500
1,2 0,84478 1,440 1,01374
1,4 1,28068 1,960 1,79295
1,6 1,86340 2,560 2,98144
1,8 2,63260 3,240 4,73868
2,0 3,63856 4,000 7,27712
2,2 4,94400 4,840 10,87680
2,4 6,62580 5,760 15,90192
2,6 8,77679 6,760 22,81965
2,8 11,50759 7,840 32,22125
3,0 14,94844 9,000 44,84532
Soma = 22,0 57,58764 48,400 144,99387

a0 =
x 2 y x xy (48,40)(57,58764) (22)(144,99387)
= = 8,3187
n x 2 ( x) (11)(48,40) (22) 2
2

n xy x y (11)(144,99387) (22)(57,58764)
a1 = = = 6,7770
n x
2
( x) 2
(11)(48,40) (22) 2

Clculo Numrico e Computacional 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
n (yi yaj )2
r2 = 1 i =1
2
n n
n 2
yi

yi

i =1 i =1

requer o clculo das seguintes quantidades: (y - yaj)2, y2 e (y)2 que esto apresentadas na
tabela seguinte:
2 2
yaj (y - yaj) y
-1,54171 4,27130 0,27563
-0,18632 1,06317 0,71365
1,16907 0,01246 1,64014
2,52446 0,43700 3,47226
3,87985 1,55563 6,93058
5,23524 2,54939 13,23912
6,59063 2,71139 24,44314
7,94602 1,74298 43,90123
9,30141 0,27523 77,03204
10,65680 0,72384 132,42463
12,01219 8,62155 223,45586
Soma = 57,58764 23,96394 527,52827

Substituindo em r2:

11 23,96394
r2 = 1 = 0,894
11 527,52827 (57,58764) 2

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

sx =
(x x m ) 2 =
4 ,40
= 0,66332
n1 10

sy =
(y y m ) 2 =
226,04314
= 4,75440
n 1 10

sx 0,66332
r = a1 = ( 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

2 2 2
x y' = ln y x xy' yaj (y yaj) y
1,0 -0,64436 1,000 -0,64436 -0,44921 0,03808 0,41520
1,2 -0,16868 1,440 -0,20241 -0,12073 0,00230 0,02845
1,4 0,24739 1,960 0,34635 0,20775 0,00157 0,06120
1,6 0,62240 2,560 0,99584 0,53623 0,00743 0,38739
1,8 0,96797 3,240 1,74235 0,86472 0,01066 0,93697
2,0 1,29159 4,000 2,58318 1,19320 0,00968 1,66820
2,2 1,59817 4,840 3,51598 1,52168 0,00585 2,55416
2,4 1,89097 5,760 4,53833 1,85016 0,00167 3,57577
2,6 2,17211 6,760 5,64749 2,17865 0,00004 4,71807
2,8 2,44301 7,840 6,84042 2,50713 0,00411 5,96828
3,0 2,70461 9,000 8,11382 2,83561 0,01716 7,31490
Soma = 22,0 13,12519 48,400 33,47699 13,12519 0,09855 27,62859

a0 =
x 2 y x xy (48,4)(13,12519) (22)(33,47699)
= = 2,0916
n x x )
2 ( 2 2
(11)( 48, 40 ) ( 22 )

a1 =
n xy x y = (11)(33,47699) (22)(13,12519) = 1,6424
n x 2 ( x )
2
(11)(48, 40) (22) 2

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:

11 0,09855
r2 = 1 = 0,992
11 27,62859 (13,12519) 2

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

2 2 2
x' = ln x y x' x'y yaj (y - yaj) y
0,000 0,52500 0,000 0,00000 -2,28673 7,90581 0,27563
0,182 0,84478 0,033 0,15402 -0,13699 0,96387 0,71365
0,336 1,28068 0,113 0,43091 1,68059 0,15993 1,64014
0,470 1,86340 0,221 0,87580 3,25505 1,93669 3,47226
0,588 2,63260 0,345 1,54741 4,64382 4,04501 6,93058
0,693 3,63856 0,480 2,52206 5,88612 5,05152 13,23912
0,788 4,94400 0,622 3,89813 7,00991 4,26800 24,44314
0,875 6,62580 0,766 5,80068 8,03586 1,98827 43,90123
0,956 8,77679 0,913 8,38632 8,97964 0,04115 77,03204
1,030 11,50759 1,060 11,84844 9,85344 2,73622 132,42463
1,099 14,94844 1,207 16,42254 10,66693 18,33135 223,45586
Soma = 7,017 57,58764 5,761 51,88632 57,58764 47,42781 527,52827

a0 =
x 2 y x x y (5,761)(57,58764) (7,017)(51,88632)
= = 2,2867
2 ( )
n x x
2 2
(11)(5,761) ( 7, 017 )

a1 =
xy x y = (11)(51,88632) (7,017)(57,58764) = 11,7909
n

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

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

11 47,42781
Coeficiente de correlao: r 2 = 1 = 0,790
11 527,52827 (57,58764) 2

(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

2 2 2
x' = ln x y' = ln y x' x'y' yaj (y - yaj) y
0,000 -0,64436 0,000 0,00000 -0,75020 0,01120 0,41520
0,182 -0,16868 0,033 -0,03075 -0,19479 0,00068 0,02845
0,336 0,24739 0,113 0,08324 0,27481 0,00075 0,06120
0,470 0,62240 0,221 0,29253 0,68159 0,00350 0,38739
0,588 0,96797 0,345 0,56896 1,04040 0,00525 0,93697
0,693 1,29159 0,480 0,89526 1,36136 0,00487 1,66820
0,788 1,59817 0,622 1,26009 1,65171 0,00287 2,55416
0,875 1,89097 0,766 1,65549 1,91677 0,00067 3,57577
0,956 2,17211 0,913 2,07548 2,16061 0,00013 4,71807
1,030 2,44301 1,060 2,51537 2,38637 0,00321 5,96828
1,099 2,70461 1,207 2,97131 2,59655 0,01168 7,31490
Soma = 7,017 13,12519 5,761 12,28698 13,12519 0,04480 27,62859

a0 =
x 2 y x x y (5,761)(13,12519) (7,017)(12,28698)
= = 0,7502
n x ( x )
2 2
2 (11)(5, 761) ( 7 , 017 )

a1 =
n xy x y = (11)(12,28698) (7,017)(13,12519) = 3,0463
n x 2 ( x )
2
(11)(5,761) (7,017) 2

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

11 0,04480
r2 = 1 = 0,996
11 27,62859 (13,12519) 2

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

b
y=a+
x

Relaes para linearizao da funo logaritmica:

1
x = a0 = a a1 = b
x

y = a 0 + a 1x

2 2 2
x' = 1/x y x' x'y yaj (y - yaj) y
1,000 0,52500 1,000 0,52500 -2,72875 10,58687 0,27563
0,833 0,84478 0,694 0,70398 0,29697 0,30010 0,71365
0,714 1,28068 0,510 0,91477 2,45819 1,38653 1,64014
0,625 1,86340 0,391 1,16463 4,07911 4,90936 3,47226
0,556 2,63260 0,309 1,46256 5,33982 7,32904 6,93058
0,500 3,63856 0,250 1,81928 6,34839 7,34319 13,23912
0,455 4,94400 0,207 2,24727 7,17359 4,97105 24,44314
0,417 6,62580 0,174 2,76075 7,86125 1,52633 43,90123
0,385 8,77679 0,148 3,37569 8,44312 0,11134 77,03204
0,357 11,50759 0,128 4,10985 8,94186 6,58297 132,42463
0,333 14,94844 0,111 4,98281 9,37410 31,07322 223,45586
Soma = 6,174 57,58764 3,921 24,06659 57,58764 76,12000 527,52827

a0 =
x 2 y x x y (3,921)(57,58764) (6,174)(24,06659)
= = 15,4255
n x ( x )
2 2
2 (11)(3,921) ( 6,174 )

a1 =
xy x y = (11)(24,06659) (6,174)(57,58764) = 18,1543
n

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

Clculo Numrico e Computacional C.Y. Shigue

Ajuste de curvas 5 - 20

a = a 0 = 15,4255
b = a1 = 18,1543

18,1543
y = 15,4255
x

11 76,12
r2 = 1 = 0,663
11 527,52827 (57,58764) 2

(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

x y Linear Exponencial Logaritmo Potencial Hiperblico
1,0 0,52500 -1,54171 0,63813 -2,28673 0,47227 -2,72875
1,2 0,84478 -0,18632 0,88627 -0,13699 0,82301 0,29697
1,4 1,28068 1,16907 1,23091 1,68059 1,31628 2,45819
1,6 1,86340 2,52446 1,70956 3,25505 1,97702 4,07911
1,8 2,63260 3,87985 2,37433 4,64382 2,83034 5,33982
2,0 3,63856 5,23524 3,29761 5,88612 3,90150 6,34839
2,2 4,94400 6,59063 4,57992 7,00991 5,21589 7,17359
2,4 6,62580 7,94602 6,36086 8,03586 6,79900 7,86125
2,6 8,77679 9,30141 8,83434 8,97964 8,67645 8,44312
2,8 11,50759 10,65680 12,26965 9,85344 10,87395 8,94186
3,0 14,94844 12,01219 17,04081 10,66693 13,41731 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
y

-2
1.0 1.5 2.0 2.5 3.0
x

Exerccios

1. Considere a seguinte tabela de dados:

x 1,0 1,4 2,0

y 0,340 2,25 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 1,0 1,2 2,0

y 1,683 2,046 2,512

Clculo Numrico e Computacional C.Y. Shigue

Ajuste de curvas 5 - 22

3. Considere os seguintes valores numricos:

x 0 0,5 0,8 1,2 1,8 2,0 3,0

y 3,8 2,8 2,5 1,3 0,4 -0,2 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 (c) y = a.sen x + b.cos x
x
2
(d) y = a. e bx (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 1872 1890 1900 1920 1940 1950 1960 1970 1980 1990
Pop. 9,9 14,3 17,4 30,6 41,2 51,9 70,9 93,1 130 150

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

Clculo Numrico e Computacional C.Y. Shigue