Escolar Documentos
Profissional Documentos
Cultura Documentos
6.1 Introdução
A partir dos dados disponíveis, pode-se desejar saber uma estimativa do valor da função
f (x ) em x = 9 . Porém, pode-se construir um diagrama de dispersão, que é a representação
em gráfico dos dados disponíveis.
10
f(x)
9
1
x
0Figura 1 – Representação dos pontos da tabela 1
0 1 2 3 4 5 6 7 8 9 10
O objetivo é encontrar uma função ϕ (x ) que seja uma boa aproximação para os
valores tabelados de f (x ) e que nos permita extrapolar com certa margem de segurança.
• Ajuste Linear;
• Ajuste quadrático.
A = {( x1 , y1 ) , ( x2 , y2 ) ;...; ( xn , yn )} (1.1)
aproximação. Os erros são a diferença que existe de cada ponto ao valor da função f curva
queremos considerar a menor distância de cada pontinho para o ponto da curva, e fazendo a
soma de todas as distâncias, estaremos minimizando o erro.
Seja o diagrama de dispersão anterior. A partir de uma análise do diagrama de
dispersão deve-se definir uma curva para ser ajustada aos dados. No caso, ajusta-se os
dados por uma reta dada pela função ϕ ( x) = α 1 + α 2 x .
10
f (x)
9
8
f i (x)=alfa1+(alfa2)x
7
1
x
0
0 1 2 3 4 5 6 7 8 9 10
Ajuste Linear
Suponhamos que as grandezas x e y , cujas medidas são dadas por Eq. (1.2) se
relacionam linearmente. O ajuste linear é definido pela equação da reta:
y ( x ) = F ( x; a, b ) = ax + b (1.4)
yi ≅ axi + b (1.5)
Para que a expressão se torne uma igualdade devemos levar em conta os erros
ou desvios ( ε ) cometidos na medida. Assim:
yi = axi + b + ε i (1.6)
b:
ε i ( a, b ) = yi − ( axi + b ) (1.7)
n 2
S ( a , b ) = ∑ [ yi − axi − b ] (1.8)
i =1
S ( a, b ) = ∑ yi − ( axi + b ) (1.9)
i =1
∂S ∂S
=0 e =0 (1.10)
∂a ∂b
n
∂S
= −2∑ ( xi yi − axi2 − bxi ) = 0, (1.11)
∂a i =1
n
∂S
= −2∑ ( yi − axi − b ) = 0, (1.12)
∂b i =1
n n n
∑ x i ∑ y i − n ∑ xi yi
a = i =1 i =1 2 i =1 (1.13)
n
n
2
∑ xi − n ∑ xi
i =1 i =1
n n n 2 n
∑
i =1
xi yi ∑ xi − ∑ xi ∑ yi
i =1 i =1 i =1
b= 2
(1.14)
n n 2
∑ i x − n ∑ xi
i =1 i =1
∑
k =1
y k − ∑
k =1
b − ∑
k =1
axk = 0
m m m
(1.15)
y x − bx − ax 2 = 0
∑
k =1
k k ∑k =1
k ∑
k =1
k
m m
mb + ∑
k =1
x )
k
a = ∑
k =1
yk
m (1.16)
x b + x 2 a = x y
m m
∑
k =1 k ∑
k =1
k
∑
k =1
k k
Observe que resulta num sistema de equações lineares. Essas equações são
conhecidas como equações normais. A solução das equações normais, F ( a , b ) apresenta
seu menor valor. Solucionando para os valores numéricos do exemplo da Tabela 1, tem-se:
∑x
k =1
k = 1,3 + 3,4 + 5,1 + 6,8 + 8,0 = 24,6
5
∑ f (x
k =1
k ) = 2,0 + 5,2 + 3,8 + 6,1 + 5,8 = 22,9
5
∑ (x
k =1
k ) 2 = (1,3) 2 + (3,4) 2 + (5,1) 2 + (6,8) 2 + (8,0) 2 = 149,5
5
∑x
k =1
k f ( x k ) = (1,3) ⋅ (2,0) + (3,4) ⋅ (5,2) + (5,1) ⋅ (3,8) + (6,8) ⋅ (6,1) + (8,0) ⋅ (5,8) = 127,54
5 24,6 b 22,9
24,6 149,5 a = 127,54
T T
A solução deste sistema linear resulta em: xsolução = [ a , b ] = [ 2,01 0,522] . A
reta que melhor aproxima f ( x ) pelo método dos mínimos quadrados é dada por:
Ajuste quadrático
Definição: Suponhamos que as grandezas x e y , cujas medidas são dadas por Eq. (1.2) um
ajuste de curvas é denominado quadrático se a função que relaciona as grandezas é definido
por:
y ( x ) = F ( x; a , b, c ) = a + bx + cx 2 (1.18)
n 2 n 2
S ( a , b, c ) = ∑ yi − F ( x; a, b, c ) = ∑ yi − a − bxi − cx
2
i (1.19)
i =1 i =1
∂S ∂S ∂S
=0 ; =0 e =0 (1.20)
∂a ∂b ∂c
Resultando em:
m m 2 m
ma + ∑ k x ) b + ∑ k x c = ∑ yk
k =1 k =1 k =1
m m 2 m 3 m
∑ xk a + ∑ k x b + ∑ k x c = ∑ xk yk (1.21)
k =1 k =1 k =1 k =1
m m 3 m 4 m
∑ xk2 a + ∑ k x b + ∑ k x c = ∑ xk2 yk
k =1 k =1 k =1 k =1
A curva a ser ajustada não necessariamente precisa ser uma reta. Uma maneira
de se definir que tipo de função deve ser feita a partir da análise do diagrama de
dispersão (dados). Seja o exemplo dado pelo diagrama de dispersão:
2.5
f (x)
1.5
0.5
x
-0.5
-1.5 -1 -0.5 0 0.5 1 1.5
2.5
f (x)
1.5
0.5
x
0
-0.5
-1.5 -1 -0.5 0 0.5 1 1.5
Pode-se observar que uma boa possibilidade é ajustar os pontos a uma parábola
passando pela origem.
Portanto, procura-se a função ϕ ( x) = αx 2 que melhor represente f(x). Para a
notação utilizada, g ( x) = x 2 .
11 11
∑ [ g ( x k )] 2 α = ∑ f ( x k )g ( x k )
k =1 k =1
Substituindo:
11 11
∑ [ x k ] 2 ⋅α = ∑ f ( x k ) ⋅ x k
2
k =1 k =1
11 11
∑ [ x k ] 2 = 2,8464 e ∑ f (x
2
como k ) ⋅ x k = 5,8756 , tem-se a equação linear:
k =1 k =1
2,8464α = 5,8756 ⇒ α = 2,0642
Exemplo: Aproximar a função Tabela 3 representada no exemplo anterior por uma função
do tipo: ϕ ( x) = α 1 + α 2 x + α 3 x 2
Tabela 3 – Dados a serem ajustados
x -1,0 -0,75 -0,6 -0,5 -0,3 0,0 0,2 0,4 0,5 0,7 1
f(x) 2,05 1,153 0,45 0,4 0,5 0,0 0,2 0,6 0,512 1,2 2,05
11
a ij = a ji = ∑ g i ( x k )g j ( x k ) para i = 1,...,3 e j = 1,...,3 ;
k =1
11
bi = ∑ f ( x k )g i ( x k ) para i = 1,...,3 .
k =1
g 1 ( x ) = 1, g 2 ( x ) = x, e g 3 ( x) = x 2
Chega-se portanto a:
11
a11 = ∑ 12 = 11
k =1
11
a12 = a 21 = ∑ 1 ⋅ x k
k =1
11
a13 = a 31 = ∑ 1 ⋅ x k
2
k =1
11
a 22 = ∑ x k
2
k =1
11
a 23 = a 32 = ∑ x k ⋅ x k
2
k =1
11
a 33 = ∑ x k2 x k
2
k =1
11
b1 = ∑ f ( x k )
k =1
11
b2 = ∑ x k f ( x k )
k =1
11
b3 = ∑ x k f ( x k )
2
k =1
Valores Tabelados ∑
x -1,0 -0,75 -0,6 -0,5 -0,3 0,0 0,2 0,4 0,5 0,7 1 -0,35
f(x) 2,05 1,153 0,45 0,4 0,5 0,0 0,2 0,6 0,512 1,2 2,05 9,115
x2 1,0 0,5625 0,36 0,25 0,09 0,0 0,04 0,16 0,25 0,49 1 4,2025
x3 -1,0 -0,4218 -0,216 -0,125 -0,027 0,0 0,008 0,064 0,125 0,343 1 -0,2498
x4 1,0 0,3164 0,1296 0,0625 0,0081 0,0 0,0016 0,0256 0,0625 0,240 1 2,8464
f (xk )xk -2,05 -0,8647 -0,270 -0,200 -0,150 0,0 0,04 0,24 0,256 0,84 2,05 -0,1087
f ( x k ) x k2 2,05 0,6486 0,162 0,100 0,045 0,0 0,008 0,096 0,128 0,588 2,05 5,8756
Resultando em:
0,0914
α = 0,0970
1,9377
2.5
f (x)
1.5
0.5
x
0
0 1 2 3 4 5 6 7 8 9
Constrói-se a tabela:
Valores Tabelados ∑
xk 1 2 3 4 5 6 7 8 36
f ( xk ) 0,5 0,6 0,9 0,8 1,2 1,5 1,7 2,0 9,2
x k2 1 4 9 16 25 36 49 64 204
x k3 1 8 27 64 125 216 343 512 1296
x k4 1 16 81 256 625 1296 2401 4096 8772
x k f ( x k ) 0,5 1,2 2,7 3,2 6,0 9,0 11,9 16,0 50,5
xk f ( xk ) 0,5 2,4 8,1 12,8 30,0 54 83,3 128 319,1
2
a) ϕ ( x) = α 1 + α 2 x ⇒ g 1 ( x) = 1, g 2 ( x) = x
8
a11 = ∑ 12 = 8
k =1
8
a12 = a 21 = ∑ 1 ⋅ x k = 36
k =1
8
a 22 = ∑ x k = 204
2
k =1
8
b1 = ∑ 1 ⋅ f ( x k ) = 9,2
k =1
8
b2 = ∑ x k f ( x k ) = 50,5
k =1
8 36 α 1 9,2 0,175
36 204 α = 50,5 α=
2 0,21667
8
a12 = a 21 = ∑ 1 ⋅ x k = 36
k =1
8
a13 = a 31 = ∑ 1⋅ x k = 204
2
k =1
8
a 22 = ∑ x k = 204
2
k =1
8
a 23 = a 32 = ∑ x k ⋅ x k = 1296
2
k =1
8
a 33 = ∑ x k2 x k = 8772
2
k =1
8
b1 = ∑ f ( x k ) = 9,2
k =1
8
b2 = ∑ x k f ( x k ) = 50,5
k =1
8
b3 = ∑ x k f ( x k ) = 319,1
2
k =1
8
Para a reta : ∑d
k =1
2
k = 0,08833
8
Para a parábola : ∑ d k2 = 0,04809
k =1
f ( x ) = β eα x ; β > 0 (1.22)
transformar a equação que define a Eq. (1.22) na forma de uma equação da reta resulta:
f ( x ) = ln f = α x + ln β (1.23)
Desta forma, podemos fazer um ajuste linear para o modelo exponencial, pela
facilidade de trabalhar em Eq. (1.23), tomando a = α e b = ln β a equação da reta ajustada
ou equação auxiliar é:
y = ax + b = f ( x; a, b ) (1.24)
5 19,5 β 7, 481 5 19,5 7, 481
19,5 91, 75 α = 35, 201 ⇒ 19,5 91, 75 35, 201 ≈ L2 = 3,9* L1 − L2
5 19,5 7, 481 −6, 0251 −19,5* (0,3837643) + 7, 481
⇒α = = 0,3837643; β = = −0, 000480
0 − 15, 7 −6, 0251 −15, 7 5
y = ax + b
e( ln y ) = e(α x + ln β ) → e(α x ) ⋅ e( ln β ) obs : b = ln β → eb = eln β → β = eb
y ( x ) = 0,9995e0,3837643