17-18-Ajuste de Curvas PDF

CLCULO NUMRICO
Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br

Aula 17 e 18
06/2014 Ajuste de Curvas
AJUSTE DE CURVAS
Aula 17 e 18 Ajuste de Curvas

Clculo Numrico 3/64
INTRODUO
Em geral, experimentos geram uma gama de dados que

devem ser analisados para a criao de um modelo.
Obter uma funo matemtica que represente (ou que

ajuste) os dados permite fazer simulaes do processo de
forma confivel, reduzindo assim repeties de experimentos
que podem ter um custo alto.

Clculo Numrico 4/64
INTRODUO
Em geral, usar interpolao linear
quando:
Deseja-se extrapolar ou fazer previses em regies fora do

intervalo considerado;
Os dados tabelados so resultados de experimentos, onde erros

na obteno destes resultados podem influenciar a sua qualidade;

Clculo Numrico 5/64
INTRODUO
O objetivo obter uma funo que seja uma boa

aproximao e que permita extrapolaes com alguma
margem de segurana.

Clculo Numrico 6/64
INTRODUO
A escolha das funes pode ser feita:
Observando o grfico dos pontos tabelados;
Baseando-se em fundamentos tericos dos experimentos que

forneceu a tabela ou;
Atravs de uma funo j conhecida.

Clculo Numrico 7/64
INTRODUO
O Mtodo dos Mnimos Quadrados um mtodo bastante

utilizado para ajustar uma determinada quantidade de
pontos e aproximar funes.

Clculo Numrico 8/64
MTODO DOS
MNIMOS
QUADRADOS

Clculo Numrico 9/64
Mtodo dos Mnimos Quadrados
Mtodo dos Mnimos Quadrados consiste em escolher os i
(i = 1, 2, ..., n) de tal forma que:
( x ) = 1g1 ( x ) + 2 g2 ( x ) +! + n gn ( x ) (1)
se aproxime ao mximo de f(x).
onde: f ( x ) fornece os pontos exatos;

g ( x ) fornece os pontos estimados.
Clculo Numrico 10/64
O Mtodo dos Mnimos Quadrados consiste em escolher os

i (i = 1, 2, ..., n) de tal forma que a
seja mnima.
m
2
E = "# f ( xk ) ( xk )$% (2)
k=1

Observe que, se o modelo ajustar exatamente os dados, o

mnimo da funo:
m
2
E = "# f ( xk ) ( xk )$%
k=1
ser zero e, portanto, a um

dentro do mtodo dos quadrados mnimos.

Caso Discreto
Dado um conjunto de pontos (xi; f(xi)), i = 0, 1, 2, ..., m
(f dada por )
O problema de ajuste de curvas consiste em encontrar

funes gi (x), tais que o desvio em cada ponto i, definido
por (2) seja mnimo, ou seja:
( x ) = 1g1 ( x ) + 2 g2 ( x ) +! + n gn ( x )
se aproxime ao mximo de f (x).

Caso Discreto
Neste caso, o ajuste linear.
Linear em relao aos i e no s gi (x).

Caso Discreto
A escolha das funes gi (x) depende do grfico dos pontos,

chamado de diagrama de disperso, atravs do qual pode-se
visualizar o tipo de curva que melhor se ajusta aos dados.

Exemplo 1
Considerando os dados da Tabela 1, e atravs do grfico
gerado, pode-se definir que tipo de curva melhor se ajusta
aos dados. Tabela 1
xi Tabela 1yi
1 1,3
2 3,5
3 4,2
4 5,0
5 7,0
6 8,8
7 10,1
8 12,5
9 13,0
10 Clculo Numrico
15,6 16/64
Exemplo 1
20"
16"
12"
y
8"
4"
0"
0" 2" 4" 6" 8" 10" 12"
x
Figura 1. Diagrama de Disperso para os dados da Tabela 1
Caso Discreto (Ajuste Linear)
q Como pode ser observado na Figura 1, uma possvel
aproximao seria atravs de uma funo linear do tipo:
( x ) = 1 xi + 0 (3)
Assim o objetivo determinar o valor de 0 e 1, que

minimize:
m
2
E = "# yi (1 xi + 0 )$%
i=1

Para que E seja mnimo necessrio que:
E (4)
=0
0
E
=0 (5)
1

As equaes (4) e (5) simplificam-se nas
:
m m
0 m + 1 xi = yi (6)
i=1 i=1
m m m
0 xi + 1 xi2 = xi yi (7)
i=1 i=1 i=1

A soluo para o sistema de equaes :
m 2 m m m
xi yi xi yi xi
0 = i =1 i =1m i =1 m i =1 (8)
2
m xi xi
i =1 i =1
m m m
m xi yi xi yi
(9)
0 = i =1 i =1 i =1
2
m m
2
m xi xi
i =1 i =1
Exemplo 1
Considerando a Tabela 1, e os dados necessrios para as
equaes (8) e (9) a Tabela 2 pode ser calculada:
i xi yi xi2 xi yi
1 1 1,3 1 1,3
2 2 3,5 4 7,0
3 3 4,2 9 12,6
4 4 5,0 16 20,0
5 5 7,0 25 35,0
6 6 8,8 36 52,8
7 7 10,1 59 70,7
8 8 12,5 64 100,0
9 9 13,0 81 117,0
10 10 15,6 100 156,0
Aula 17
55 e 18 81
Ajuste de385
Curvas 572,4
Exemplo 1
Considerando os dados da Tabela 2, os parmetros 1 e 0
podem ser calculados como:
0 = 0, 360 1 = 1, 538
Assim a reta de ajuste linear determinada por:
y = 1,538x 0,360

Exemplo 1
Na Figura 2, pode-se observar o ajuste atravs da reta:
20"
y = 1.5382x - 0.36
16"
12"
y
8"
4"
0"
0" 2" 4" 6" 8" 10" 12"
x
Figura 2. Ajuste linear

Caso Discreto (Ajuste Polinomial)
O processo usado para o ajuste linear pode ser estendido para
ajuste polinomial.
Assim, uma funo polinomial de grau n dada por:
n n1
Pn ( x ) = n x + n1 x +!+ 1 x + 0
O objetivo minimizar o erro:
m
2
E = "# yi Pn ( xi )$%
i=1

Como no caso linear, para que E seja minimizado

E
necessrio que ( 0 , 1,!, n ) = 0 para cada
j
j = 0, 1, ..., n.
Isto fornece as n+1 equaes normais nas n+1 incgnitas aj:
n m m
k i i i ,
x j+k
= y x j
para cada j = 0,1,!, n.
k=0 i=1 i=1

m m m m
0 m + 1 xi + 2 xi2 + ! + n xin = yi
i =1 i =1 i =1 i =1
m m m m m
0 xi + 1 xi2 + 2 xi3 + ! + n xin +1 = yi xi
i =1 i =1 i =1 i =1 i =1
! !
m m m m m
0 xin + 1 xin+1 + 2 xin+ 2 + ! + n xi2 n = yi xin
i =1 i =1 i =1 i =1 i =1

EXEMPLO 2
Ajustar os dados da Tabela 3 com um polinmio de grau dois

utilizando o mtodo dos mnimos quadrados.
Tabela 3
i xi yi
1 0,00 1,0000
2 0,25 1,2840
3 0,50 1,6487
4 0,75 2,1170
5 1,00 2,7183

EXEMPLO 2
i xi yi xi2 xi3 xi4 xiyi xi2yi

1 0,00 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000
2 0,25 1,2840 0,0625 0,1563 0,0039 0,3210 0,0803
3 0,50 1,6487 0,2500 0,1250 0,0625 0,8244 0,4122
4 0,75 2,1170 0,5625 0,4219 0,3164 1,5878 1,1908
5 1,00 2,7183 1,0000 1,0000 1,000 2,7183 2,7183
2,50 8,7680 1,875 1,5625 1,3828 5,4514 4,4015

EXEMPLO 2
Para este problema, n = 2, m = 5 e as trs equaes normais
so:
5, 0 0 + 2, 51 + 1,875 2 = 8, 7680
2, 5 0 + 1,8751 + 1, 5625 2 = 5, 4514
1,875 0 +1, 56251 + 1, 3828 2 = 4, 4015
Resolvendo o sistema, obtm-se:
0 = 1, 0051 1 = 0,8647 2 = 0,8432

EXEMPLO 2
y = 1, 0051+ 0,8642x + 0,8437x 2
3"
2.5"
O erro total
5
2" 2
E = "# yi P ( xi )$% = 2, 74 10 4
1.5"
y
i=1
1"
0.5" o mnimo que pode ser
y = 0.8437x2 + 0.8642x + 1.0051
0" obtido usando um
0" 0.5" 1" 1.5" polinmio com grau
x mximo 2
Figura 3. Ajuste polinomial

Caso Contnuo
Outro problema a aproximao de funes.
Para o caso discreto, temos um .
Para o caso contnuo, temos .

Caso Contnuo
Dada uma funo f (x), contnua em [a, b] e escolhidas funes

g1 (x), g2 (x), ..., gn (x), todas contnuas em [a, b], determinar
constantes 1, 2,..., n, tal que:
( x ) = 1g1 ( x ) + 2 g2 ( x ) +! + n gn ( x )
se aproxime ao mximo de f (x).

Caso Contnuo
O objetivo determinar um polinmio de grau mximo n
( (x) = Pn(x)):
n
Pn (x ) = n x n + n 1 x n 1 + ! + 1 x + 0 = k x k
k =0
que minimize o erro total:
2
b
2 ' b n *
E = "# f ( x ) Pn ( x )$% dx = ) f ( x ) k x , dx
k
a a ( k=0 +
Caso Contnuo
O problema encontrar os coeficientes j que minimizem E.
Uma condio necessria para que os nmeros j

minimizem E que:
E
( 0 , 1 ,!, n ) = 0 para cada j=0, 1, . . .,n.
j

Caso Contnuo
Como:
2
b
2
n b ( b n+
E = !" f ( x )#$ dx 2 k x f ( x ) dx + * k x - dx
k k
a k=0 a a ) k=0 ,
As derivadas ficam na seguinte forma:
b n b
E
j
( 0 1
, ,!, n) = 2 x j
f ( )
x dx + 2 k x j+k
dx = 0
a k=0 a

Caso Contnuo
Para encontrar Pn (x), temos (n + 1) equaes normais:
n b b
j +k j
k

k =0
x
a
dx = f (x)dx
x
a
que devem ser resolvidas para se determinar as (n+1)

incgnitas j, para cada j = 0, 1, ..., n.

Exemplo 3
Encontrar o polinmio de aproximao por mnimos

quadrados de segundo grau para a funo abaixo no
intervalo [0,1].
f ( x ) = sen ( x )

EXEMPLO 3
n b b
j +k j
x k dx = x f (x )dx
k =0 a a
1 1 1 1
2
0 1dx + 1 xdx + 2 x dx = sen(x )dx
0 0 0 0
1 1 1 1
0 xdx + 1 x 2 dx + 2 x 3dx = xsen(x )dx
0 0 0 0
1 1 1 1
2 3 4 2
0 x dx + 1 x dx + 2 x dx = x sen(x )dx
0 0 0 0
EXEMPLO 3
Calculando as integrais obtm-se:
1 1 2
0 + 1 + 2 =
2 3
1 1 1 1
0 + 1 + 2 =
2 3 4
1 1 1 2 4
0 + 1 + 2 =
3 4 5 3
Resolvendo o sistema obtm-se o seguinte polinmio:
P2 ( x ) = 4,1225x 2 + 4,1225x 0, 0505
EXEMPLO 3
Figura 4. Aproximao de f(x) pelo polinmio P2(x).

Caso No-Linear
Existem casos, onde o diagrama de disperso de uma

funo indica que os dados devem ser ajustado por uma
funo no linear.
Ocasionalmente, apropriado supor que os dados estejam

relacionados exponencialmente.
Exemplo: (x) = aebx, para a e b constantes.
A dificuldade de aplicao do mtodo dos mnimos quadrados

neste caso consiste na tentativa de minimizar E.

Caso No-Linear
Para estes casos um processo de linearizao deve ser

empregado, para que seja possvel aplicar o Mtodo dos
Mnimos Quadrados.
Neste caso, podemos proceder da seguinte forma:

Caso No-Linear
Caso I: Funo Exponencial ( x ) = y = ae bx
Aplicando logaritmo em ambos os lados, obtm-se:
ln ( y ) = ln ( ae bx
) = ln (a ) + bx
Realizando as seguintes substituies:
Y = ln ( y)
0 = ln ( a )
1 = b
Obtm-se: X=x
Y = 1 X + 0
Caso No-Linear
Caso II: Funo Logartmica y = a ln ( bx )
Expandindo: y = a ln ( b) + a ln ( x )
Realizando as seguintes substituies: Y=y

0 = a ln ( b)
1 = a
X = ln ( x )
Obtm-se: Y = 1 X + 0
Caso No-Linear
Caso III: Funo Potencial y = ax b
Aplicando logaritmo em ambos os lados:
ln ( y) = ln ( ax ) = ln ( a ) + ln ( x ) = ln ( a ) + b ln ( x )
b b
Y = ln ( y )
0 = ln ( a )
1 = b
X = ln ( x )
Caso No-Linear
b
Caso IV: Funo Hiperblica y=a+
x
Realizando as seguintes substituies: Y=y

0 = a
1 = b
X = x 1
Usam-se as equaes do caso discreto (ajuste linear) para
obter 0 e 1:
m m
0 m + 1 xi = yi
i=1 i=1
m m m
0 xi + 1 x = xi yi
2
i
i=1 i=1 i=1

Aps aplicar o mtodo dos mnimos quadrados, preciso
fazer as substituies necessrias para encontrar os
parmetros a e b da funo de aproximao original.

Observe que os parmetros a e b assim obtidos no so
timos dentro do critrio dos quadrados mnimos, porque
estamos ajustando o problema linearizado e no o problema
original.

EXEMPLO 4
Encontrar uma funo exponencial que se ajusta aos valores
da tabela abaixo:
x y
-1,0 36,547
-0,7 17,267
-0,4 8,155
-0,1 3,852
-0,2 1,82
-0,5 0,86
-0,8 0,406
1,0 0,246
bx
y = ae
Y = ln y
0 = ln (a )
1 = b

Caso No-Linear
Como o ajuste ser realizado por uma funo exponencial
necessrio calcular: Y = ln y
A tabela para os clculos fica da seguinte forma:
i x y Y = ln(y) xi2 xiYi

1 -1,0 36,547 3,599 1,00 -3,599
2 -0,7 17,264 2,849 0,49 -1,994
3 -0,4 8,155 2,099 0,16 -0,839
4 -0,1 3,852 1,349 0,01 -0,135
5 0,2 1,820 0,599 0,04 0,120
6 0,5 0,860 -0,151 0,25 -0,075
7 0,8 0,406 -0,901 0,64 -0,721
8 1,0 0,246 -1,402 1,00 -1,402
0,3 69,15
Aula 17 e 188,041 3,59
Ajuste de Curvas -8,645
Caso No-Linear
0 = 1, 099 1 = 2, 5
0 = ln (a ) 1 = b
a = 3, 001 b = 2, 5

Os parmetros 0 e 1 que ajustam a funo (x) funo Y
no sentido dos quadrados mnimos.
No se pode afirmar que os parmetros a e b (obtidos

atravs de 0 e 1) so os que ajustam (x) funo y
dentro dos critrios dos quadrados mnimos.

TESTE DE ALINHAMENTO
Uma vez escolhida uma funo no linear em a, b, para

ajustar uma funo. Uma forma de verificar se a escolha foi
razovel aplicar o Teste de Alinhamento.

Fazer a linearizao da funo no linear escolhida;
Fazer o diagrama de disperso dos novos dados;
Se os pontos do diagrama estiverem alinhados, isto

significar que a funo no linear escolhida foi uma boa
escolha.

EXEMPLO 1
Grfico de x versus Y = ln y
i x y Y = ln(y)
1 -1 36,547 3,599
2 -0,7 17,264 2,849
3 -0,4 8,155 2,099
4 -0,1 3,852 1,349
5 0,2 1,820 0,599
6 0,5 0,860 -0,151
7 0,8 0,406 -0,901
8 1 0,246 -1,402
0,3 69,15 8,041
EXEMPLO 1
Diagrama de disperso dos novos dados (Y = ln y).

EXEMPLO 2
Usando o Mtodo dos Mnimos Quadrados, ajustar uma

curva do tipo s = q t p aos dados abaixo:
t 2,2 2,7 3,5 4,1

s 65 60 53 50
Qual o valor de s quando t = 4,5?
Qual o vaor de t quando s = 40?

EXEMPLO 2
Caso III: Funo Potencial s = qt p
Aplicando logaritmo em ambos os lados:
log s = log q + p logt

Y = log s
0 = log q
1 = p
X = logt
EXEMPLO 2
Temos ento:
i t s Xi Yi Xi2 Xi Yi
1 2,2 65 0,3424 1,8129 0,1172 0,6207
2 2,7 60 0,4314 1,7782 0,1861 0,7671
3 3,5 53 0,5441 1,7243 0,2960 0,9382
4 4,1 50 0,6128 1,6990 0,3755 1,0411
1,9307 7,0144 0,9748 3,3671

EXEMPLO 2
4 0 +1, 93071 = 7, 0144

1, 9307 0 + 0, 97481 = 3, 3671
0 = 1, 963 1 = 0, 434
0 = log q 1 = p
q = 91,83 p = 0, 434
0,434
s = 91,83t
EXEMPLO 2
Se:
0,434
s = 91,83t
ento, para t = 4,5; s 48, e para s = 40; t 6,8.


17-18-Ajuste de Curvas PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

17-18-Ajuste de Curvas PDF

Enviado por

Direitos autorais:

Formatos disponíveis

CLCULO NUMRICO

Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br

Aula 17 e 18 Ajuste de Curvas

Em geral, experimentos geram uma gama de dados que

Obter uma funo matemtica que represente (ou que

Aula 17 e 18 Ajuste de Curvas

Deseja-se extrapolar ou fazer previses em regies fora do

Os dados tabelados so resultados de experimentos, onde erros

Aula 17 e 18 Ajuste de Curvas

O objetivo obter uma funo que seja uma boa

Aula 17 e 18 Ajuste de Curvas

A escolha das funes pode ser feita:

Observando o grfico dos pontos tabelados;

Baseando-se em fundamentos tericos dos experimentos que

Atravs de uma funo j conhecida.

Aula 17 e 18 Ajuste de Curvas

O Mtodo dos Mnimos Quadrados um mtodo bastante

Aula 17 e 18 Ajuste de Curvas

Aula 17 e 18 Ajuste de Curvas

se aproxime ao mximo de f(x).

onde: f ( x ) fornece os pontos exatos;

O Mtodo dos Mnimos Quadrados consiste em escolher os

Aula 17 e 18 Ajuste de Curvas

Observe que, se o modelo ajustar exatamente os dados, o

ser zero e, portanto, a um

Aula 17 e 18 Ajuste de Curvas

O problema de ajuste de curvas consiste em encontrar

se aproxime ao mximo de f (x).

Linear em relao aos i e no s gi (x).

Aula 17 e 18 Ajuste de Curvas

A escolha das funes gi (x) depende do grfico dos pontos,

Aula 17 e 18 Ajuste de Curvas

Assim o objetivo determinar o valor de 0 e 1, que

Aula 17 e 18 Ajuste de Curvas

Aula 17 e 18 Ajuste de Curvas

Aula 17 e 18 Ajuste de Curvas

Assim a reta de ajuste linear determinada por:

Aula 17 e 18 Ajuste de Curvas

Figura 2. Ajuste linear

O objetivo minimizar o erro:

Aula 17 e 18 Ajuste de Curvas

Como no caso linear, para que E seja minimizado

Isto fornece as n+1 equaes normais nas n+1 incgnitas aj:

Aula 17 e 18 Ajuste de Curvas

Aula 17 e 18 Ajuste de Curvas

Ajustar os dados da Tabela 3 com um polinmio de grau dois

Aula 17 e 18 Ajuste de Curvas

i xi yi xi2 xi3 xi4 xiyi xi2yi

Aula 17 e 18 Ajuste de Curvas

Resolvendo o sistema, obtm-se:

0 = 1, 0051 1 = 0,8647 2 = 0,8432

Aula 17 e 18 Ajuste de Curvas

y = 1, 0051+ 0,8642x + 0,8437x 2

Aula 17 e 18 Ajuste de Curvas

Para o caso discreto, temos um .

Para o caso contnuo, temos .

Aula 17 e 18 Ajuste de Curvas

Dada uma funo f (x), contnua em [a, b] e escolhidas funes

se aproxime ao mximo de f (x).

Aula 17 e 18 Ajuste de Curvas

que minimize o erro total:

Uma condio necessria para que os nmeros j

Aula 17 e 18 Ajuste de Curvas