Escolar Documentos
Profissional Documentos
Cultura Documentos
Departamento de Estatística,
Universidade Federal de Minas Gerais (UFMG)
Introdução
Considere a integral unidimensional da forma
Z b
f (x )dx .
a
Por exemplo,
I Aproximações de integrais são frequentemente necessárias
para inferência Bayesiana, visto que a distribuição a posteriori
pode não pertencer a uma família de distribuições conhecidas.
I Aproximação de integral também é útil em alguns problemas
por inferência por máxima verossimilhança quando a
verossimilhança é uma função com uma ou mais integrais.
Para iniciar uma aproximação de ab f (x )dx , particionamos o
R
Em outras palavras,
Z xi+1 Z xi+1
f (x )dx ≈ f (xi )dx = (xi+1 − xi )f (xi ).
xi xi
Consideramos a função
m
f (xij∗ )pij (x )
X
pi (x ) =
j=0
R xi+1
em que Aij = xi pij (x )dx .
1
pi (x ) = f (xi ) + f 0 (xi )(x − xi ) + f 00 (xi )(xi+1 − xi ) + O(n−3 ).
2
Subtraindo a expansão de Taylor de f em xi segue que
1
pi (x ) + f (x ) = f 00 (xi )(x − xi )(x − xi+1 ) + O(n−3 )
2
e integrando sobre [xi , xi+1 ] mostra que o erro de aproximação da
regra do trapézio no i-ésimo intervalo é h3 f 00 (xi )/12 + O(n−4 ).
Disso,
m
h3 f 00 (xi )
Z b !
+ O(n−4 )
X
T̂ (n) − f (x )dx =
a i=1 12
= nh f (ε)/12 + O(n−3 )
3 00
(b − a)3 f 00 (ε)
= + O(n−3 ),
12n2
para algum ε ∈ [a, b] pelo teorema do valor médio para integrais.
Então, a ordem do erro é O(n−2 ).
No R:
R1
Suponha que desejamos calcular numericamente 0 4x 3 dx .
Isto produz,
Z xi+1
xi+1 − xi xi + xi+1
f (x )dx ≈ f (xi ) + 4f + f (xi+1 ) .
xi 6 2
Quando [a, b] está particionado em n subintervalos de tamanho
igual h = (b − a)/n, podemos juntar intervalos adjacentes,
obtendo n/2 subintervalos de tamanho 2h, tal que
Z b n/2
hX
f (x )dx ≈ (f (x2i−2 ) + 4f (x2i−1 ) + f (x2i )) = Ŝ(n/2).
a 3 i=1
R1
Suponha que desejamos calcular numericamente 0 4x 3 dx .
Rb
I Suponha que f é contínua e desejamos estimar I = a f (x )dx .
|Ŝ(2n) − Ŝ(n)| ≤ ,
Estratégia:
I Podemos modificar a implementação de tal forma que em vez
de especificar o tamanho n da partição, especificamos a
tolerância . (iniciamos com um valor de n pequeno!)
4j T̂i,j−1 − T̂i−1,j−1
T̂i,j = ,
4j − 1
para j = 1, . . . , i e i = 1, . . . , m.
para j ≤ m.
Quadratura adaptativa
Como funciona:
I Em uma quadratura adaptativa, o tamanho h dos
subintervalos não é constante no intervalo [a, b], mas ele se
adapta a função f .
R1 √
Exemplo com a integral 0 1, 5 x dx e avaliação de tempo de
execução no script3!
Outros aspectos
I Limites de integração
exp{x } x
1/x , , exp{−x } e .
1 + exp{x } 1+x
aproximação univariada.
Observações:
I Usando n subintervalos em cada integral unidimensional,
serão necessárias np avaliações de f , em que p é o número de
dimensões da integral.
I Métodos Monte Carlo são mais eficientes para integrais sobre
regiões com alta dimensão.
Quadratura Gaussiana
Duas
Rb
funções f e g duplamente
Rb
integráveis em [a, b] (isto é,
2 2
a f (x ) w (x )dx < ∞ e a g(x ) w (x )dx < ∞) são ortogonais com
respeito a w se
Z b
f (x )g(x )w (x )dx = 0.
a
1. Ai > 0 para i = 0, . . . , m.
0
2. Ai = −cm+2 /[cm+1 pm+2 (xi )pm+1 (xi )], em que ck é o
coeficiente líder de pk (x ).
Rb
f (x )w (x )dx = m
P
3. a i=0 Ai f (xi ) sempre que f é um polinômio
de grau menor que 2m + 1. (método é exato para a esperança
de algum polinômio com respeito a w ).
I Deve-se evitar calcular os nós e os pesos diretamente devido a
potencial imprecisão numérica. Cálculos numéricos estáveis
para estas quantidades podem ser obtidas em softwares.
Quadratura de Gauss-Hermite