UNIVERSIDADE CATÓLICA DE MOÇAMBIQUE

Faculdade de Educação e Comunicação

Nome: Chelsea Ferreira

Curso: Contabilidade e Auditoria; 2˚ano, turma A.

Docente:

Método de mínimos quadrado ponto de estimação ou previsão

O presente trabalho é um requisito parcial para a validação da cadeira de estatística, como tema
método de mínimos quadrado ponto de estimação ou previsão, que o objetivo geral deste
trabalho é, apresentando-lhe uma ferramenta nova, o Método dos Mínimos Quadrados. Entende-
se que a utilização deste recurso, no qual o aluno irá defrontar-se com conteúdos e competências
já por ele adquiridos, poderá levá-lo à construções de novos saberes e a uma visão mais prática
do universo matemático.

Os mecanismos usados para a elaboração deste trabalho foram consultas de manuais. O

presente trabalho esta estrutura da seguinte maneira, contendo a parte introdutória com a
descrição e perlustração dos temas e os subtemas, a parte do desenvolvimento com a explicação
e o aclaramento dos conteúdos do tema, a parte conclusiva na qual a descrição e o aclaramento
do grupo são explanados com exatidão e por fim as referencias bibliográficas.

Segundo Crato (2000), o fato determinante da formatação definitiva do Método dos

Mínimos Quadrados foi um problema levado até Gauss em 1808, diretor do Observatório de
Palermo na época.

Depois de descobrir o asteroide Ceres e supor tratar-se de um planeta ainda

desconhecido de nosso sistema solar, Palermo perdeu o astro de vista. Os métodos matemáticos
para cálculos de órbitas dos corpos celestes na época requeriam um grande número de
observações tomadas em um período de tempo razoavelmente longo. Dispondo de um número
insuficiente de dados e ávido por preservar a prioridade da descoberta, Palermo recorreu aos
préstimos do jovem Gauss, então com apenas vinte e quatro anos de idade.
 O Método dos Mínimos Quadrados continua a ter grande importância no campo da
astronomia, notadamente na descoberta de planetas que orbitam outras estrelas que não o Sol.
Além disso, o método foi aplicado a diversos outros ramos de atividades, tornando-se a principal
ferramenta dos estatísticos no século XIX. (Sousa 2014)

Para Silva (2019), o Método dos Mínimos Quadrados tem sua origem no estudo dos
valores máximos e mínimos de funções reais. Mais precisamente, na determinação do(s) ponto(s)
mínimo(s) de uma função que representa o desvio estimado na busca pelo ajuste. Antes de
abordarmos este e outros tópicos envolvidos na dedução e na aplicação do método, é conveniente
nos debruçarmos sobre o problema que motivou a sua elaboração e seus desdobramentos.

É o procedimento matemático que consiste em se determinar, a partir de uma série de

pontos representativos das variáveis que compõem um determinado fenômeno, uma curva que o
expresse matematicamente. A curva obtida deve permitir com satisfatória segurança a realização
de análises e projeções sobre o fenômeno em questão.

Uma boa maneira de demonstrar a utilidade e o alcance do Ajuste de Curvas é, mesmo

sem ainda ter exposto os procedimentos que levam à sua execução, exibir um exemplo contendo
o problema proposto e a solução obtida, sem exibir os passos intermediários que levaram a essa
solução, para melhor entendimento e avaliação do método.

Exemplo1: suponhamos que uma série de experimentos relacionando duas grandezas A e

B foi realizada em laboratório, dando origem à tabela1.

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

B 2,0 5,2 3,8 6,1 5,8
O objetivo consiste em encontrar uma função que represente, com boa aproximação, os
valores tabelados a partir do experimento realizado e, além disso, nos permita determinar, com
certa margem de segurança, valores que estão fora do intervalo inicialmente definido, ou seja,
nos permita extrapolar.
 Gráfico.1

O gráfico 1 apresenta tal curva, obtida após a aplicação do Método dos Mínimos
Quadrados sobre os dados tabelados. A curva mostrada na figura 1 foi traçada após a
determinação, pelo método, de uma função envolvendo as grandezas A e B. Esta função,
acredita-se, representa com boa aproximação o fenômeno estudado e, assim sendo, de posse dela
podemos estimar hipotéticas ocorrências do mesmo.

Minimizar o quadrado da soma dos desvios: É a base do Método dos Mínimos

Quadrados. Trabalhando com a soma dos quadrados dos resíduos, eliminamos incoerências no
somatório desses resíduos e obtemos, para o erro total, uma função mais fácil de manipular na
busca pela minimização. O Método dos Mínimo Quadrados é, assim, o procedimento mais
eficiente e versátil na busca da função de ajuste.

Portanto, o processo envolvido no Método dos Mínimos Quadrados para obtenção de

uma curva que dê representatividade a um conjunto de pontos, consiste em minimizar o erro
quadrático médio cometido ao substituirmos o valor real yi pelo valor f(xi), aproximado, que é o
valor da função de ajuste f no ponto de abscissa x = xi.

Ao executar tal procedimento, recairemos em um conjunto de equações lineares cujo

número de equações dependerá do número de parâmetros a se determinar. De posse desse
sistema de equações, deveremos trabalhar de modo a obtermos os valores dos parâmetros
procurados. Como se sabe, se essas equações formarem um conjunto linearmente independente,
o sistema terá solução única, o que é equivalente a dizer que a função S tem um único extremo.

Neste trabalho contemplaremos os casos em que cada parâmetro buscado desempenha na

função de ajuste o papel de fator multiplicativo independente das variáveis envolvidas.

Segundo Bassanezi (2003), ao contrário do que possa parecer, esta situação modela com
satisfatória precisão e eficácia diversos fenômenos do mundo real.
 Assim, prosseguindo com a suposição de uma função de ajuste composta de uma única
variável e um único parâmetro, escrevemos:

f(α;x) = αµ (x),

onde µ é uma função analítica na variável x perfeitamente definida. Ajustes com esta
caraterística recebem o nome de ajustes lineares. A equação 2.2, rescrita segundo essas
condições (parâmetro α como fator multiplicativo da função µ de x, que por sua vez independe
de α), assume a seguinte forma:

n
S = S(α) = ∑ ( y i−αµ(xi))
i=1

Para Hoffmann (2016), o método dos mínimos quadrados consiste em adotar os

estimadores que minimizam a soma dos quadrados dos desvios entre valores estimados e valores
observados na amostra.

Mostraremos que a média aritmética dos valores da amostra é um estimador de mínimos

x
2
quadrados. Para tanto, determinemos o valor de a que minimiza ∑ ( x 1−a )
i=1

Derivando em relação a a e igualando a zero, obtemos:

∑ ( xi−a ) (−1 )=0

∑ x 1−na=¿0 ¿
Onde

a=
∑ x1 =X , c . q . d .
n

É interessante notar que o método de mínimos quadrados conduz à média aritmética, mas
que existem outros critérios associados às demais medidas de tendência central. Assim, para
minimizar o valor absoluto do maior desvio, devemos adotar o ponto central entre os extremos (o
ponto médio entre o menor e o maior valor); para maximizar o número de desvios iguais a zero
devemos adotar a moda da amostra; e para minimizar a soma dos valores absolutos dos desvios
devemos adotar a mediana.

X: 0 1 2 3 4 5 6 7 8
Frequênci 1 5 1 1 1 1 2 0 1
a

É fácil verificar que a moda é 1, a mediana é 2, a média aritmética é 3 e o ponto central

entre os extremos é 4.

A soma dos valores absolutos dos desvios em relação à mediana é 27 (7 para os valores
abaixo da mediana e 20 para os valores acima da mediana). Para mostrar que a mediana é o
ponto que minimiza a soma dos valores absolutos dos desvios, consideremos um ponto abaixo da
mediana diferindo desta de menos de 1 unidade, isto é, o ponto de abcissa ∆ −2 , com 1 0 < < ∆.
Para os 6 pontos abaixo da mediana, os desvios ficam aumentados de ∆ ; para os 6 pontos
localizados acima da mediana, os desvios ficam aumentados de ∆ e para o ponto cuja abcissa é
igual à mediana surge um desvio igual a ∆ em valor absoluto. A soma dos valores absolutos dos
desvios em relação ao ponto de abcissa 2-∆, é, portanto,

7-6∆+20+6∆+∆=27+∆>27

Um exemplo onde o uso da média aritmética, como medida de tendência central, parece
ser mais razoável do que o uso da mediana, o que implica em afirmar que o critério de mínimos
quadrados parece ser mais razoável do que a minimização da soma dos desvios absolutos.
Consideremos uma amostra com 3 observações, onde, x 1=x =0 e x 3 ≠ 0 A mediana é igual a zero,
2

qualquer que seja o valor de x 3 , isto é, o valor da mediana independe de x 3 . Entretanto, a média

1
aritmética é igual a x.
3 3

Para uma outra ilustração da aplicação do método de mínimos quadrados, consideremos a

determinação do estimador do parâmetro p de uma distribuição binomial, sabendo que numa
amostra de n observações foram constatados X casos favoráveis e n−x casos contrários. Como
os valores esperados são de np casos favoráveis, n−x casos contrários, queremos, de acordo
com o método de mínimos quadrados, o valor de p que minimize
( x−np )+ ⌈ ( n−x )−n ( 1− p ) ⌉

X
Deixamos para o leitor verificar que a solução é p=
n

Contudo, depois de uma profunda investigação, uma detalhada avaliação, relativamente

ao método de mínimos quadrado, conclui-se que ainda que o tema possui grande afinidade com
recursos computacionais, notadamente softwares de geração de curvas e programas cujos
algoritmos automatizam os procedimentos envolvidos nos métodos de ajustes. Por isso, as
atividades propostas, em muitas das ocasiões, sugerem a utilização dessas ferramentas,
proporcionando a possibilidade de interação com recursos tecnológicos que agilizam e
enriquecem o aprendizado.

BASSANEZI, R. C. (2003). Temas e Modelos. (6 ª Ed), Santo-André-SP: Brasil: Editora Sepé.

Sem.

CRATO, N. (2000). o papel dos mínimos quadrados na descoberta dos planetas, (3 ª Ed), Lisboa,
Portugal: editora Boletim da Sociedade Portuguesa de Matemática.

HOFFMANN, R. (2016). Analise de regressão: uma introdução a economia, (5 ª Ed), são Paulo,
Brasil: piracicaba editora.

SILVA, F. F. d. (2019). O Método dos Mínimos Quadrados: Uma Proposta ao Ensino Médio
Para o Ajuste Por Parábolas. Rio de Janeiro-RJ, Brasil: Editora ATLAS.

SOUZA, S.A. (2014). O Estudo do Produto Matricial Por Meio do Método dos Mínimos
Quadrados, Santa Maria-RS, Brasil: Editora ATLAS.