Você está na página 1de 42

Escola de Química da UFRJ

Métodos numéricos aplicados a processos químicos


Módulo 6

Raquel Massad Cavalcante

2018-02
1
Ajuste de Curvas

Motivação
Ajustas dados a curvas para descobrir valores intermediários aos
dados medidos e prever, através de extrapolação, novos dados.
Dois tipos de ajustes:

- Regressão
Quando os dados são imprecisos com grande incerteza, não
força-se a passagem da curva exatamente sobre os dados.
Número de parâmetros menor que o número de dados.

- Interpolação
Os dados são precisos e ajusta-se uma curva ou uma série de
curvas que passam diretamente por cada um dos pontos.
Número de parâmetros igual ao número de dados. 2
Ajuste de Curvas

Métodos Simples
- Ajuste visual:

Marcar os pontos e esboçar uma curva visualmente.

Resultado muito subjetivo.

3
Ajuste de Curvas

Métodos Simples
- Ajuste visual:

4
Ajuste de Curvas

Tipos:
- Análise de tendência
Utilizar o padrão dos dados para fazer previsões.

- Teste de hipóteses
Com um modelo pré-definido, ajustar os dados observados
através da estimação dos coeficientes do modelo ou avaliar a
aderência dos dados com modelos que já tem os coeficientes
determinados

- Ajuste de funções complicadas


Ajustar funções simples que aproximem funções complicadas.

5
Ajuste de Curvas

Revisão - Estatística

Média:

6
Ajuste de Curvas

Revisão - Estatística

Desvio padrão em torno da média:

7
Ajuste de Curvas

Revisão - Estatística

Se as medidas individuais estiverem amplamente dispersas em


torno da média, o desvio-padrão é um valor alto, caso contrário
é um valor pequeno.

8
Ajuste de Curvas

Regressão por mínimos quadrados

Encontrar uma curva que minimize a distância entre os dados e


os pontos da curva.

Regressão linear
Ajustar uma reta a um conjunto de pares de observação.

a0 e a1 são coeficientes linear e angular, respectivamente


e é o erro (resíduo entre o modelo e a observação)
y é o valor observado

9
Ajuste de Curvas

Regressão linear

O erro é a diferença entre o valor observado e o valor previsto


pela equação da reta estimada.

Critério para um melhor ajuste:


Minimizar o valor absoluto da soma dos erros residuais para
todos os dados disponíveis.

Abordagem ruim

10
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta

O erro é a diferença entre o valor observado e o valor previsto


pela equação da reta estimada.

Critério para um melhor ajuste:


Minimizar a soma do quadrado dos resíduos

11
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta


Qual o desejo???
Minimizar o resíduo

Derivar a equação do resíduo e igualar a zero.

O que pode
variar???
Deriva em
Os parâmetros
relação à que???
12
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta


Qual o desejo???
Minimizar o resíduo

Derivar a equação do resíduo e igualar a zero.

13
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta

14
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta

15
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta

16
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta

17
Ajuste de Curvas

Ajuste por mínimos quadrados por uma reta

Resolvendo o sistema linear anterior:

18
Ajuste de Curvas

Exemplo Prático 1
Ajuste uma reta aos seguintes valores x e y
xi yi

1 0,5

2 2,5

3 2,0

4 4,0

5 3,5

6 6,0

7 5,5

19
Ajuste de Curvas

Quantificação do erro da regressão linear


Ajuste uma reta aos seguintes valores x e y

Erro padrão dos pontos para a reta obtida pela regressão (sy/x):

20
Ajuste de Curvas

Quantificação do erro da regressão linear


Coeficiente de correlação (r)

Dados observados

21
Ajuste de Curvas

Quantificação do erro da regressão linear


Coeficiente de correlação (r)

22
Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Exemplo – ajuste de reta  f(x)=bx+a

Na forma matricial
Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Exemplo – ajuste de reta  f(x)=bx+a

Chamando RTR de M:
Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Exemplo – ajuste de reta  f(x)=bx+a

Deseja-se variar X para minimizar M:


Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Exemplo – ajuste de reta  f(x)=bx+a


Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Exemplo – ajuste de reta  f(x)=bx+a


Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Exemplo – ajuste de reta  f(x)=bx+a


Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial
Ajuste de Função – Polinomial
Ajuste da função  f(x)=a0x+a1xi+a2xi2...+anxin
Ajuste de Curvas

Mínimos Quadrados com Matrizes


Abordagem matricial

Ajuste da função  f(x)=a0x+a1xi+a2xi2...+anxin


Ajuste de Curvas

Mínimos Quadrados com Matrizes


Exemplo Prático 2
Abordagem matricial
Exemplo – ajuste de reta
Ajuste de Curvas

Mínimos Quadrados com Matrizes


Exemplo Prático 3

Abordagem matricial
Ajuste de Curvas

Mínimos Quadrados com Matrizes


Exemplo Prático 4

Abordagem matricial
Ajuste de Curvas

Interpolação

Determinar o polinômio de grau n que passa pelos n+1 dados


para estimar valores intermediários entre dados precisos.

Polinômio Interpolador de Newton


- Interpolação linear
Semelhança de triângulos

34
Ajuste de Curvas

Polinômio Interpolador de Newton

35
Ajuste de Curvas

Interpolação
Forma geral dos polinômios interpoladores de Newton

Os coeficientes são calculados com os dados observados

36
Ajuste de Curvas

Interpolação
Forma geral dos polinômios interpoladores de Newton

Os coeficientes são calculados com os dados observados

37
Ajuste de Curvas

Interpolação
Forma geral dos polinômios interpoladores de Newton

38
Ajuste de Curvas

Interpolação
Forma geral dos polinômios interpoladores de Lagrange

39
Ajuste de Curvas

Interpolação
Forma geral dos polinômios interpoladores de Lagrange
Versão Linear

Versão 2° grau

40
Ajuste de Curvas

Exemplo Prático 5
Ajuste um polinômio de Newton de segundo grau aos três
pontos a seguir.
xi yi

1 0

4 1,386294

6 1,791759

41
Ajuste de Curvas

Exemplo Prático 6
Use um polinômio interpolador de Lagrange de primeiro e de
segundo graus para calcular ln 2 com base nos dados a seguir:

xi yi

1 0

4 1,386294

6 1,791759

42