Projeto Final

David Emanoel Santos de Oliveira Turma:03B

https://www.farmnews.com.br/mercado/precos-do-arroz-2/ [(07/11/22),
18:50)]

Objetivo: Encontrar os coeficientes a0 e a1 usando MMQ para estimar o

preço aproximado nos 3 anos seguintes(2018, 2019 e 2020), usar
interpolação para definir uma curva que ligue todos os pontos e estimar
preços intermediários entre cada ano usando o polinômio interpolador e
utilizar o método de integração para achar o montante dos preços de
2007 até 2017.

Ano 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Preço 21,63 31,04 28,06 27,42 22,35 31,34 33,8 36,28 36,98 45,94 41,61

Resolução: Ajuste de curva - mmq linear

O modelo ajustado foi:

y = -3908.5556 + 1.9587 x
Análise do gráfico: como observamos no gráfico, como esperado o preço do arroz subiu ao
decorrer dos anos com a alta da inflação, em alguns anos o preço deu algumas quedas, mas a
tendência é que continue subindo, mesmo que com variações baixas.

projeção do preço nos próximos 3 anos:

2018 2019 2020

44.16 R$ 46.11 R$ 48.07 R$

Resultado: o ajuste de curvas usando mmq linear funcionou como era o

esperado e foi possível estimar de maneira aproximada o preço do
produto nos 3 anos seguintes (2018,2019,2020).

Resolução: Interpolação
 Análise do gráfico: como vemos no gráfico, o preço começou baixo, mas no
ano seguinte teve uma alta significativa e durante os dois anos
seguintes teve uma pequena baixa, até que no terceiro ano caiu e quase
chegou ao valor do primeiro ano da análise, depois disso o preço do
arroz subiu e só veio cair novamente em 2016.

Pontos Intermediários

2007/2008 2008/2009 2009/2010 2010/2011 2011/2012 2012/2013 2013/2014 2014/2015 2015/2016 2016/2017

66.94 R$ 21.47 R$ 31.25 R$ 22.65 R$ 26.48 R$ 33.74 R$ 34.11 R$ 38.37 R$ 34.77 R$ 77.51 R$

Análise do gráfico: como apresentado no gráfico, o primeiro e o último

valor tiveram uma distinção muito grande comparado com os outros, mas o
restante se manteve como esperado.

Resultado: a interpolação de lagrange também funcionou como era

esperado, mas quando foi estimado os valores intermediários, alguns
pontos não deram o resultado que era esperado. Por outro lado, a
maioria dos pontos seguiram um valor próximo a curva.

Resolução: Integração

Valor total de 2007 a 2017: 324.82 R$

- Consumo médio de arroz que uma pessoa consome por ano: 34kg
- Para a resolução desse trabalho foi usado o arroz de 5kg.

34/5 = 6.8

6.8*324.82 = 2208.776 R$

Resultado: a integração foi feita usando o método do trapézio, e

calculou o valor total de 2007 a 2017 com o intuito de descobrir qual
seria o valor que uma pessoa gastaria somando os anos de 2007 a 2017.
Com os cálculos de integração foi estimado que uma pessoa gastaria
aproximadamente 2208.776 R$ em arroz em 10 anos.

Códigos utilizados:

#pontos coletados
import matplotlib.pyplot as plt
import numpy as np

x=np.array([2007,2008,2009,2010,2011,2012,2013,2014,2015,2016,2017])
y=np.array([21.63,31.04,28.05,27.42,22.35,31.34,33.80,36.28,36.98,45.94
,41.61])

plt.grid()
plt.ylabel(u'Ano')
plt.xlabel(u'Preço do Arroz (5kg)')
plt.plot(x,y,'ro')
plt.show()

#AJUSTE DE CURVAS - mmq linear

import numpy as np
import numpy.linalg as la
import matplotlib.pyplot as plt
from IPython.display import display, Latex

A = np.array([[len(x),sum(x)],[sum(x), sum(x*x)]])
b = [sum(y),sum(x*y)]
w = la.solve(A,b)
print('O modelo ajustado é :\n y = %.4f'%w[0],'+ %.4f'%w[1],'x')

plt.scatter(x,y, label = 'Dados')

y_est = w[0] + w[1]*x
plt.plot(x,y_est,'r',label = 'ajuste')

plt.ylabel(u'Preço do Arroz (5kg)')

plt.xlabel(u'Ano')

plt.legend()
plt.grid()
plt.show()

#Preço estimado nos próximos 3 anos

def f(x):
p = 1.95872727*x-3908.55564
return p

res=f(2020)
print(res)

#INTERPOLAÇÃO
def lagrange(x,y,p):
n=len(x)
s=0
for i in range(n):
L=1
 for j in range(n):
if i!=j:
L=L*(p-x[j])/(x[i]-x[j])
s=s+L*y[i]
return s

xn=range(np.min(x),np.max(x))
for i in range(len(xn)):
yn[i]=lagrange(x,y,xn[i])

plt.ylabel(u'Ano')
plt.xlabel(u'Preço do Arroz (5kg)')

plt.scatter(x,y, label = 'Dados')

plt.plot(x,y,'r',label = 'ajuste')

plt.plot(xe,ye,'ko')

plt.legend()
plt.grid()
plt.show()

#Estimativa de pontos intermediários

xe =
np.array([2007.5,2008.5,2009.5,2010.5,2011.5,2012.5,2013.5,2014.5,2015.
5,2016.5])
ye =
np.array([66.94,21.47,31.25,22.65,26.48,33.74,34.11,38.37,34.77,77.51])

def lagrange(x,y,p):
n=len(x)
s=0
for i in range(n):
L=1
for j in range(n):
if i!=j:
L=L*(p-x[j])/(x[i]-x[j])
s=s+L*y[i]
return s
A = #Ano intermediário

r = lagrange(x,y,A)
print(r)

#INTEGRAÇÃO - TRAPÉZIO
xs=np.array([2007,2008,2009,2010,2011,2012,2013,2014,2015,2016,2017])
ys=np.array([21.63,31.04,28.05,27.42,22.35,31.34,33.80,36.28,36.98,45.9
4,41.61])

def trapezio(x,y):
area=0
for i in range(len(x)-1):
area=area+(y[i]+y[i+1])*(x[i+1]-x[i])/2
return area

areatrapezio = trapezio(xs,ys)

print("Valor total de 2007 a 2017: ", areatrapezio, " R$")