UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ–UNIOESTE

CCET: Centro de Ciências Exatas e Tecnológicas

Colegiado do Curso de Matemática

MÉTODO DOS QUADRADOS MÍNIMOS

DIRLENE APARECIDA DA SILVA

Resolução de Problemas e Modelagem Matemática

Cascavel
2011
 DIRLENE APARECIDA DA SILVA

MÉTODO DOS QUADRADOS MÍNIMOS

Trabalho apresentado ao Professor Rogério

Luiz Rizzi da disciplina de Resolução de
Problemas e Modelagem Matemática do
curso de Matemática.

Cascavel
Outubro/2011
ARQUIVO 4

Exemplo1:

Calcular a reta de quadrados mínimos usando

X 0,3 2,7 4,5 5,9 7,8

Y 1,8 1,9 3,1 3,9 3,3

A equação da reta que melhor se aproxima de todos os pontos é y  0,2698x  1,6559 .

Exemplo 2:

Os dados abaixo indicam o valor y do aluguel e a idade x de 5 casas:

X 10 13 5 7 20
Y 4 3 6 5 2
A reta que mais se aproxima de todos os pontos tem equação y  0,2609 x  6,8696 .

Quando a idade da residência for de 13 anos como verificamos no ponto A, o aluguel será de 3
unidades de y.

Exemplo 3:

O objetivo do diretor de vendas de uma rede de varejo é analisar a relação entre o

investimento realizado em propaganda e as vendas das lojas da rede, para realizar projeções
de vendas de futuros investimentos em propaganda.

A tabela a seguir registra uma amostra representativa extraída dos registros históricos das
lojas de tamanho equivalente, com valores de Propaganda e Vendas em milhões.

Analisar a possibilidade de definir um modelo que represente a relação entre as duas variáveis
ou amostras.

Propaganda 30 21 35 42 37 20 8 17 35 25
Vendas 430 335 520 490 470 210 195 270 400 480

Tomando a propaganda como valores de x e as vendas como os valores de y, temos o seguinte

gráfico:
O modelo que relaciona essas duas variáveis pode ser indicado pela reta que mais se aproxima
desses pontos, indicada pela equação y  9,7381x  117,07 .

Exemplo 4:

Seja X i o investimento em publicidade e Yi o lucro para uma certa empresa no ano i . Tem-se
a tabela seguinte em que os valores de X i e Yi estão em dezenas de milhares de reais:

Ano Xi Yi
1995 50 500
1996 40 400
1997 80 750
1998 100 900
1999 120 1300
2000 90 800
2001 150 1550
2002 140 1600
2003 120 1250
2004 160 1750

Admitindo que o investimento em publicidade explica o lucro, em cada ano, determine o

modelo de regressão linear simples, utilizando o MQM.

Ao construir o gráfico da tabela acima, temos:

Assim, o modelo de regressão é dado pela equação da reta que mais se aproxima desses
pontos, y  11,55 x  132,75 .

Exemplo 5:

Suponha que um biólogo esteja estudando a relação entre a quantidade (µg/L) de

determinado poluente (S) despejado por uma fábrica em um riacho, e o dano ecológico nesse
curso d’água medido por um escore de dano como se observa na tabela:

Quantidade de poluente Escore de dano ecológico

(µg/L)
1 3
2 6
3 7
4 10
5 10
6 12

Vamos construir o gráfico a fim de observar a reta que mais se aproxima desses ponto
Podemos observar que a equação da reta que mais se aproxima desses pontos é obtida pela
equação y  1,7143x  2 , que passa a ser o modelo que relaciona a quantidade de poluente
com o dano ecológico produzido.

Exemplo 6:

Segundo o IBGE, os recenseamentos feitos no Brasil nas ultimas décadas, a população

brasileira nos últimos 50 anos foi a seguinte:

Ano População
1940 41.236.315
1950 51.944.397
1960 70.191.370
1970 93.139.037
1980 119.002.706
1990 146.352.150
2000 169.544.443
Então y  2.223.397,24 x  4.281.319.637,50 .

Logo, se quisermos saber nossa população em 1986 fazermos:

y  2.223.397,24  1986  4.281.319.637,50  134.347.273 .

Exercício 1:

Uma refinadora de petróleo, preocupada com os constantes aumentos no preço do petróleo

bruto, quis estudar a existência de uma relação entre o valor do litro da gasolina e o preço do
barril de petróleo bruto. Para isso, coletou as seguintes informações:

Preço gasolina (R$/litro) Preço petróleo

2,6 10,38
2,7 10,89
2,9 11,96
2,9 12,46
4,0 17,72
5,5 28,07
6,1 35,24
5,6 31,87
5,4 28,99
5,2 28,63
5,2 26,75
4,0 14,55
4,2 17,90
4,2 14,67
 4,6 17,97
5,3 22,23
3,3 16,54
3,3 15,99
3,5 14,24
4,5 16,54
5,4 23,57
4,6 19,50
5,2 20,05
5,0 11,40

a) Faça um gráfico de dispersão entre o preço de gasolina e o preço do barril de petróleo

bruto.

b) Ajuste um modelo de regressão linear simples utilizando o preço do litro de gasolina

como variável resposta e o preço do barril de petróleo bruto como variável explicativa.
Como indicação do problema, os valores de x correspondem ao preço do petróleo e os
valores de y aos valores do litro de gasolina. Sendo assim, o modelo que relaciona esses
valores é dado pela equação da reta que mais se aproxima de todos os pontos,
y  0,1233x  1,9791 .

Exercício 2:

A Sorvete & Cia está interessada em estimar qual o volume de produção de sorvetes ela
deve imprimir para que seus clientes revendedores não fiquem sem mercadoria, ou o
sorvete não fique acumulado e estrague. Para tanto, realizou uma pesquisa e obteve os
seguintes dados :

Temperatura (°C) Vendas (milhares)

17,20 1,52
21,10 1,68
22,80 1,80
23,90 2,05
26,70 2,36
27,80 2,25
29,40 2,68
31,10 2,90
32,20 3,14
32,80 3,06
33,30 3,24
23,90 1,92
36,70 3,40
37,80 3,28
 33,30 3,17
30,60 2,83
28,90 2,58
31,10 2,86
26,70 2,26
27,80 2,14
24,40 1,98
a) Faça um diagrama de dispersão entre a Temperatura e o volume de vendas. A relação
entre elas parece ser linear?

Construindo o gráfico é possível verificar que os pontos não parecem estar alinhados,
parece mais uma curva.

b) Escreva o modelo de regressão linear com suas proposições e interprete seus

parâmetros.

Traçando a reta de tendência desses pontos, obtemos a equação dessa reta, indicada
por y  0,1092x  0,5883 . Essa equação é o modelo que associa a temperatura ao
número de vendas de sorvete.
Assim, para estimar as vendas num dia com 36°, e saber a produção necessária de
sorvete, basta substituirmos na equação y  0,1092 x  0,5883 :
y  0,1092  36  0,5883  3,3429 .

Exercício 3:

Uma organização de apoio ao consumidor decidiu estudar o gasto anual com energia
elétrica com refrigeradores de diferentes preços e obteve os seguintes dados:

Preço (R$) Gasto em energia

850 48

760 54

900 58

870 66

1100 77

800 66

650 70

750 81
 750 72

570 78

a) Construa um gráfico de dispersão para as variáveis Preço e Gasto anual com

energia elétrica.

b) Escreva o modelo de regressão linear e interprete seus parâmetros.

O modelo que descreve o gasto de energia com relação ao preço do refrigerador pode
ser indicado pela equação da reta que melhor se aproxima de todos os pontos dados,
logo o modelo será dado por y  0,0123x  76,842 .
Sendo assim, um refrigerador no valor de R$ 1.000,00, terá um gasto representado
por:
y  0,0123  1000  76,842  64,542 .

ARQUIVO 6

Exercício 1:
Foram estudadas nove crianças com o objetivo de verificar se existe regressão da
capacidade pulmonar sobre a idade. Os dados são representados abaixo. Desenhe o
gráfico de dispersão dos pontos experimentais. Estime a reta de regressão de y sobre x
e ajuste-a sobre os pontos. Teste a significância da regressão e interprete o resultado
obtido. (α=0,05).
Idade (anos) 4 5 6 7 8 9 10 11 12

Cap. Vital (L) 0,7 0,9 1,2 1,3 1,3 1,5 1,7 1,9 2,1

Gráfico de dispersão:

Estimando a reta de regressão de y sobre x:

O modelo que relaciona a idade com a capacidade pulmonar é dada pela equação da
reta que mais se aproxima desses pontos, ou seja, pela equação
y  5,9756 x  0,3659 .
Quando quisermos saber a capacidade pulmonar de uma criança de 2 anos, teremos:
2  5,9756 x  0,3659
2  0,3659  5,9756 x
2,3659
x
5,9756
x  0,3959
Através do gráfico percebe-se que com o aumento da idade, a capacidade pulmonar
também aumenta.

Exercício 2:
Doses crescentes de calcário foram adicionadas a um solo ácido e depois determinou-
se a porcentagem de anomalias encontradas em células germinativas de trigo plantado
nesse solo. Obtenha uma reta de regressão da porcentagem de anomalias sobre a
quantidade de calcário do solo, teste a significância do coeficiente de regressão para
α=0,01 e conclua.

Quantidade de calcário 0 1 2 3 4 5

% de anomalias celulares 30 27 22 23 18 16
A equação da reta é o modelo que associa a quantidade de calcário com a
porcentagem de anomalias. Esse modelo fica então definido por
y  2,7429 x  29524 .
Podemos observar que quanto maior a quantidade de calcário utilizado menor a
porcentagem de anomalias.

ARQUIVO 7:

Exercício 1:

Encontre, com 3 casas decimais, a reta dos M.Q. f ( x i )  a  bxi da tabela.

xi 0 1 2 3 4 5 6

yi 2 3 5 5 8 9 10
 A equação da reta é y  3,393x  1,821 .

Exercício 2:

Idem, com 2 casas decimais.

xi 1 5 8 10 20

yi 0,96 -7,02 -13,09 -17,13 -39,30

A equação da reta obtida é f ( x i )  2,13  3,59 .

Exercício 3:

Idem.

xi -2 -1 0 1 2 5

yi -12,23 -7,18 -2,12 2,92 7,98 23,13

A equação da reta obtida é f ( xi )  5,05 xi  2,13 .