CÁLCULO NUMÉRICO

AJUSTE DE CURVAS POR MÍNIMOS QUADRADOS

Introdução:
O ajuste de curvas é muito utilizado para, a partir de dados conhecidos, fazer-se
extrapolações. Por exemplo, conhece-se os dados de consumo anual de carga elétrica de uma
cidade. A partir destes dados conhecidos, pode-se fazer projeções para o futuro e com isso, fazer-
se um planejamento para que a cidade seja suprida de forma adequada nos anos subsequentes. A
ideia é ajustar uma curva que melhor se ajusta aos dados disponíveis. Conhecida a equação da
curva, pode-se determinar valores fora do intervalo conhecido.
Os dados conhecidos podem ser tabelados e obtidos por meio de experimentos. Como
exemplo, seja os dados da tabela abaixo.
x 1,3 3,4 5,1 6,8 8,0
y 2,0 5,2 3,8 6,1 5,8

A partir dos dados disponíveis, pode-se desejar saber uma estimativa do valor da função y em
x  9.
A partir dos dados disponíveis, pode-se construir um diagrama de dispersão, que é a
representação em gráfico dos dados disponíveis.

10
f(x)
9

1
x
0
0 1 2 3 4 5 6 7 8 9 10

O objetivo é encontrar uma função f ( xi ) que seja uma boa aproximação para os valores
tabelados de y e que nos permita extrapolar com uma certa margem de segurança.

I-) Método dos Mínimos Quadrados

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 f ( xi )  a  bxi .
Professor Avelino 1
 CÁLCULO NUMÉRICO

A questão é como definir a reta. Define-se para i  1,..., n , onde n é o número de pontos

da amostra e o desvio: d i  f ( xi )  yi
Uma primeira maneira de definir a reta seria minimizar a soma dos desvios, ou seja,
n
minimizar  d i . O valor de d i pode ser positivo ou negativo, assim, o somatório não seria
i 1

representativo dos desvios. Uma primeira solução seria utilizar o somatório dos valores absolutos
n
de d i , ou seja d
i 1
i , entretanto o manuseio de expressões que aparecem valor absoluto é

extremamente complexo. A solução mais factível é a utilização da soma dos desvios ao

quadrado, definido por:
n n 2

D   ( d i )    f ( xi )  y i 
2

i 1 i 1

Para o exemplo o ajuste será feito por uma reta dada por: f ( xi )  a  bxi . Substituindo
na equação acima. Como pode-se definir a reta?
Através de substituições, utilizando-se as derivadas parciais obtém-se:

yi  (xi ).b n xi y i  xi y i

a b
n .( xi )²  xi 
e 2
n

Como este método consiste em achar o mínimo de uma função quadrática, ele é conhecido como
o método dos mínimos quadrados.

Observação: n é a quantidade de pontos tabelados.

Professor Avelino 2
 CÁLCULO NUMÉRICO

Exemplo:
1-) Encontrar a equação da reta dos mínimos quadrados f ( xi )  a  bxi .

x 1,3 3,4 5,1 6,8 8,0

y 2,0 5,2 3,8 6,1 5,8

Resposta: a melhor reta que passa pelos pontos é usando a equação f ( xi )  2,01  0,522 x

Exercícios:
1-) Encontrar a equação da reta dos mínimos quadrados f ( xi )  a  bxi .

xi yi ( xi )² xi y i

0 2
1 3
2 5
3 5
4 9
5 8
6 10

2-) Encontrar a equação da reta f ( xi )  a  bxi , utilizando os mínimos quadrados.

xi yi ( xi )² xi y i

2,0 48,90
4,0 47,20
5,0 46,35
6,0 45,50
7,0 44,65
8,0 43,80
9,0 42,95
12,0 40,40

Professor Avelino 3
 CÁLCULO NUMÉRICO

II-) Curva Exponencial

Utilizamos o Método dos Mínimos Quadrados para encontrar a função f ( xi )  a  bxi , cujo

gráfico é uma reta, porém em muitos casos, a família de funções escolhida, pela observação do
diagrama de dispersão, pode não ser linear. O diagrama pode sugerir, por exemplo, uma função

exponencial do tipo f ( xi )  a . e bxi . Para aplicar o M.M.Q. neste tipo de função, é necessário
fazer uma linearização através de transformações convenientes, ou seja, “retificar” a curva

f ( xi )  a . e bxi . Para isto, vamos recordar:

ln( a.b)  ln( a)  ln( b)

ln( a) b  b. ln( a)
ln( e)  1
ln(1)  0
“Retificando” a curva (aplicando logaritmos em ambos os lados da equação):

f ( xi )  y  a . ebxi
ln( y )  ln( a . e bx )
ln( y)  ln( a)  bx. ln( e)
ln( y)  ln( a)  bx

 ln( a)  A ln( a)  A

Substituindo:  ln( y )  Y , temos
 Y  A  b.x eA  a


Exemplo:

1-) Encontrar a curva f ( xi )  a . e bxi .

xi yi Yi  ln( yi ) xi Yi ( xi )²

3,4 19
10,8 17
28,8 13
54,0 8,9
71,0 6,9

Resposta: f ( xi )  20.e 0,015

Professor Avelino 4
 CÁLCULO NUMÉRICO

Exercícios:

1-) Ajustar os pontos abaixo à equação f ( xi )  a . e bxi .

xi yi Yi  ln( yi ) xi Yi ( xi )²

0,1 5,9
1,5 8,8
3,3 12,0
4,5 19,8
5,0 21,5

2-) Encontrar a curva f ( xi )  a . e bxi , baseado na tabela experimental dada:

xi yi Yi  ln( yi ) xi Yi ( xi )²

2,0 9,5
3,5 17,0
4,5 22,0
6,0 30,5

3-) Achar a curva f ( xi )  a . e bxi , considerando a tabela:

xi yi Yi  ln( yi ) xi Yi ( xi )²

1,0 5,5
3,5 66,1
5,5 489,2
6,0 806,2

Professor Avelino 5
 CÁLCULO NUMÉRICO

III-) Curva Geométrica

Para encontrar a Curva Geométrica será aplicado o Método dos Mínimos Quadrados, sendo
assim precisamos fazer a linearização através de transformações convenientes, ou seja,

“retificar” a curva f ( xi )  a . xi ou yi  a . xi , utilizando logaritmos.

b b

f ( xi )  yi  a . xib .
ln( y)  ln( a . x b )
ln( y)  ln( a)  b. ln( x)

 ln( a )  A

Substituindo:  ln( y )  Y  Y  A  bX
 ln( x)  X


Exemplo:
1-) Encontrar a Curva Geométrica f ( xi )  a . xi para a seguinte tabela:
b

xi yi X i  ln( xi ) Yi  ln( yi ) X i Yi ( X i )²

0,5 0,72 -0,693 -0,329 0,228 0,480

2,5 18,0 0,916 2,890 2,647 0,839
3,0 27,08 1,098 3,299 3,626 1,208
4,0 46,5 1,386 3,839 5,321 1,921
2,707 9,699 11,822 4,448

n X iYi  X i Yi Yi  (X i ).b

b A
n .( X i )²  X i 
2
n

b  2,012 A  1,063

eA  a
e1,063  a
a  2,895 yi  2,895 . xi2,012

Professor Avelino 6
 CÁLCULO NUMÉRICO

Exercícios:
1-) Encontrar a Curva Geométrica f ( xi )  a . xi para a seguinte tabela experimental:
b

xi yi X i  ln( xi ) Yi  ln( yi ) X i Yi ( X i )²

1,2 4,2
1,4 6,1
1,6 8,5
1,8 11,5
2,0 14,1

2-) Encontrar a Curva Geométrica f ( xi )  a . xi para a tabela:

b

xi yi X i  ln( xi ) Yi  ln( yi ) X i Yi ( X i )²

2,0 8,4
3,5 13,0
6,0 19,0
8,0 24,0

3-) Encontrar a Curva Geométrica f ( xi )  a . xi para a seguinte tabela experimental:

b

xi yi X i  ln( xi ) Yi  ln( yi ) X i Yi ( X i )²

2,0 250
3,0 160
4,0 100
7,0 60
15,0 30
20,0 22

Professor Avelino 7