Escolar Documentos
Profissional Documentos
Cultura Documentos
V 1 N 1 P 9
V 1 N 1 P 9
9
10 CALBO et al.
regressão linear (Ln w =Ln b + kt + E). Na Eq. O objetivo principal deste trabalho é a
2, entretanto, o erro é aditivo e, conse- aplicação de métodos numéricos para o ajus
quentemente, logarítmo ou qualquer outra te de algumas funções não lineares de cres
transformação não podem ser aplicados pa- cimento. As limitações de algumas formas
ra linearizar a função. Na prática, a es- tradicionais de linearização e de ajustes
colha de um desses tratamentos requer ex- por critérios arbitrários são discutidas.
periência preliminar ou um estudo da dis-
tribuição dos desvios. O melhor tratamen- TEORIA
to estatístico será aquele que produzir
desvios de w distribuídos normalmente em 1. Desenvolvimento matemático
função de t (Draper & Smith 1981). Assumindo-se que o ajuste não linear da
Eq. 2 seja o mais apropriado, o critério
TABELA 1. Algumas funções para ajuste de curvas de crescimento (w) no tempo (t).
APLICAÇÕES
dos quadrados mínimos (Q) pode ser aplica pode ser generalizado para um número maior
do, fazendo-se: de parâmetros, caso seja necessário; por
Q = E 2 = ∑n [w i - bexp(kt i )] 2 (Eq. 3) isso não são aqui discutidas funções não
i=1 lineares com mais de quatro parâmetros.
Na Eq. 3, w i e t i são dados experimen- 2. Considerações estatísticas
tais, enquanto que b e k são os parâme- Fisher (1921) utilizou-se da lineariza-
tros que se deseja estimar. O índice i in ção do logarítmo para ajustar a curva ex-
dica o modo discreto em que os dados expe ponencial a dados de crescimento, assumin
rimentais são normalmente obtidos. Apli- do erro do tipo multiplicativo (Eq. 1). Es
cando-se a teoria dos máximos e mínimos, ta transformação é conveniente para a es-
deriva-se a Eq. 3 em relação a b(Eq. 4) e tabilização da variância de distribuições
em relação a k (Eq. 5). As derivadas par- nas quais o erro é proporcional à média
ciais da soma dos quadrados dos desvios, (Draper & Smith 1981). Estes mesmos auto-
igualadas a zero, são denominadas equações res apresentam ainda uma fórmula geral pa
normais.
ra definir o tipo de transformação quando
0 = ∑n
i=1
exp(kt i )(w i - bexp(kt i )) (Eq. 4) se conhece, ou quando se achou, empirica-
mente, que a função representativa da dis
0 = ∑n t exp(kt i )(w i - bexp(kt i )) (Eq. 5)
i-1 i tribuição dos erros segue qualquer função
particular. Contudo, indicam que este pro
Substituindo b de Eq. 4 em Eq. 5
n cedimento, usualmente , não é necessário e
0 = ∑n t iw i exp(kti) - [ > (w i exp(kti )/
i=1 i=1 nem sempre possível.
n n
> exp(kt i )]> t i exp(2kt i ) (Eq. 6) Em plantas e órgãos em crescimento, a va
i=1 i=1 riância comumente é proporcional à média
A Eq. 6 pode ser resolvida utilizando- (Causton & Venus 1981), fazendo com que,
se métodos numéricos tais como método de nesses casos, o uso de logarítmo seja uma
Newton, bissecção, secante, etc. (Causton transformação eficiente. Causton & Venus
& Venus 1984; Hornbeck 1975; Stark 1978). (1981), inclusive, sugerem que dados de
O valor obtido para k é então substituído análise de crescimento devam ser sempre
na Eq. 4 ou na Eq. 5, para a obtenção de transformados por aplicação de logarítmo,
b. Similarmente, as funções dos tipos: po antes de serem analisados. Convém também
tência do tempo, Michaelis-Menten, Jens e salientar que as formas de linearização pa
monomolecular (Mitcherlitch), da Tabela 1, ra as funções de Gompertz, complementar,
com termo de erro aditivo, podem ser ajus logística e Richards, apresentadas na Ta-
tadas usando também a técnica de substitu bela 1, envolvem algumas operações algé
ição de variáveis no sistema de equações bricas antes da aplicação de logarítmo. Es
normais. tas formas de linearização comumente cita
das (Causton & Venus 1981; Curi et al. 1985;
As funções logística, Gompertz, comple-
mentar, potência do tempo modificada, Hoerl Richards 1969) têm limitações. Primeiro,
e Richards (Tabela 1) também tratadas com estas equações linearizadas não são defi-
erro aditivo, são mais complexas, visto nidas quando qualquer dado experimental
que não permitem facilmente a utilização possui valor superior à assintota a. Se-
da técnica de substituição dos parâmetros. gundo, aquelas linearizações não são trans
Para estas ou outras funções não lineares formações que objetivam estabilizar a va-
o Apêndice A apresenta um programa de com riância. No Apêndice B são apresentadas
putador escrito na linguagem BASIC que per conformações gráficas típicas de algumas
mite o ajuste de qualquer função não li- funções de crescimento. Aspectos relati-
near com até quatro parâmetros, bastando vos às propriedades matemáticas destas di
para isto definir no início do programa a ferentes funções podem ser obtidos nos tra
função que se deseja ajustar. O algorítmo balhos de Causton & Venus (1981) e Richards
Os reticulados (Fig. 1) são construídos atualizadas três vezes por uma média pon-
adicionando-se os incrementos ADA(L), ADB derada entre o módulo da estimativa inici
(J), ADC(M) e ADD(S) às estimativas atua- al e o módulo do parâmetro atualizado (li
is dos parâmetros AOT, BOT, COT, DOT, li nhas 1810 e 1830).
nhas 980 a 1090. Numa interação após ava- Além disso, toda vez que a adição de in
liação de Q em todas as nove intercepções crementos a direções particulares reduz Q,
do reticulado de 3 x 3, o ponto de menor Q a atenuação deste parâmetro (IA, IB, IC e
é selecionado (linhas 1110 a 1250), bem co ID) é multiplicada por 1,075 (linhas 1370
mo os incrementos dos parâmetros que gera a 1470), o que aumenta o comprimento do re
ram esta estimativa melhorada. Antes da ticulado nesta direção. Outro artifício u
construção de um novo reticulado, de pos- tilizado para melhorar a convergência é a
se da direção ótima na última interação, mudança cíclica no formato dos reticula-
testa-se primeiro se a adição dos últimos dos, induzida pela rotação dos valores nu
incrementos escolhidos às estimativas atu méricos contidos em U, U1, U2 e U3 (linhas
alizadas dos parâmetros reduz Q. Em caso 920-970). A técnica dos reticulados de-
positivo, os parâmetros são novamente atu crescentes, apesar de convergir lentamen-
alizados (linhas 1270 e 1300). Caso a adi te, é simples, pode ser generalizada para
ção dos acréscimos da interação anterior um número maior de dimensões e convergiu
não reduza Q, a segunda opção é adicionar em todas as funções testadas.
apenas os incrementos relativos em duas di O ajuste de qualquer função não linear,
reções particulares de cada vez (linhas com até quatro parâmetros, pode ser feito
1310 a 1360). Obtendo-se sucesso, os parâ definindo-se a função desejada na linha 40
metros são novamente atualizados. Se a ten utilizando-se a notação X para a variável
tativa anterior não foi bem sucedida, adi dependente e A, B, C e D como denomina-
cionam-se os incrementos escolhidos de ca ções válidas dos parâmetros. A formulação
da parâmetro particular (linhas 1370 - 1470) apresentada é geral e aplica-se em dife-
à sua última estimativa; se assim a adi- rentes áreas de estudo. Durante o uso des
ção gerar um menor valor numérico de Q, os ta técnica pode-se imaginar que a cada in
parâmetros são novamente atualizados. No teração constrói-se, ao redor da última es
caso oposto contrói-se um novo reticulado timativa melhorada dos parâmetros, um po-
um pouco menor (FA=0,92) ao redor da úl- liedro, num hiperespaço de quatro dimen-
tima estimativa dos parâmetros. sões, contendo um ponto próximo ao centro.
Esse processo é repetido até que as de- O fator de atenuação ou relaxamento ( Pa-
rivadas parciais em relação a cada um dos tankar 1981) dos incrementos dados aos pa
parâmetros sejam numericamente desprezí- râmetros que têm grande influência na so-
veis. Utilizou-se das derivadas parciais ma dos quadrados dos desvios, pode ser al
numéricas de Q como critério de convergên terado, variando-se os valores de IA, IB,
cia. Esta escolha garante a generalidade IC e ID de 1 para outro valor desejado, na
do algorítmo para uso com diferentes fun- linha 900. Para algumas funções poder-se-
ções. Assumiu-se convergência quando a de ia usar atenuações diferentes para cada um
rivada parcial em relação a cada parâme- dos parâmetros. Note-se que mesmo sem uti
tro foi menor que 0,005 (DE1, DE2, DE3 e lizar atenuações diferenciadas, conseguiu
DE4, nas linhas 1390, 1410, 1430 e 1450). se convergência em todas as funções testa
O usuário pode mudar este limite de con- das até o momento.
vergência caso considere necessário.
Para aumentar a probabilidade de conver O critério da soma dos quadrados míni-
gência, as estimativas iniciais dos parâ- mos para o ajuste, está definido na linha
metros A2, B2, C2, D2, utilizadas para de 1500. Pode-se, também, utilizar outros cri
terminar a magnitude dos incrementos, são térios de ajuste, como aqueles previamen-
1660LINE(380+204*D(J)/D0,150-118.4*C(J)/C0)-(380+204*D(I)/D0,150-118.4*C(J)/C0) 1840IFNT>40THEN1930ELSEFIIT$=“OK”THEN1860
1670NEXTJ:NEXTI 1850RETURN
1680NC=NC+1:Q=SL 1860CLS:PRINT:PRINT:“ASDERIVADASPARCIAISDEQCONVERGIRAM..
1690IFNC=5THENNC=0:NT=NT+1:GOSUB1720 1870PRINT:PRINT“ESTESSÃOOSPARÂMETROSESTIMADOS:”:PRINT
1700IFIT$=“NOTOK”THENGOTO1970 1880IFAOT<>0THENPRINT“A=“;AOT
1710GOTO900 1890IFBOT<>0THENPRINT“B=“;BOT
1720‘ TESTEDECONVERGÊNCIA 1900IFCOT<>0THENPRINT“C=“;COT
1730DE1=ABS((TRY(3,1,1,1))-TRY(1,1,1,1)/(ADA(3)-ADA(1))):LOCATE23,2:PRINTUSING“≠≠≠.≠≠≠≠“;DE1:IF 1910IFDOT<>0THENPRINT“D=“;DOT
DE1<.005THEN1740ELSE1810 1920GOTO1970
1740IFPAR<3THEN1760 1930CLS:PRINT
1750DE3=ABS((TRY(1,1,3,1)-TRY(1,1,1,1))/(ADC(3)-ADC(1))):LOCATE23,17:PRINTUSING“≠≠≠.≠≠≠≠“;DE3:IF 1940PRINT“Nãohouveconvergência.Osvaloresabaixopodemserutilizados
DE3<.005THEN1760ELSE1810 1950PRINT“comoestimaivasmelhoradasparainiciarumanovaiteração..”
1760IFB=0THEN1780 1960PRINT:PRINT“A<>“;AOT,”B<>“;BOT,”C<>“;COT,”D<>“;DOT
1770DE2=ABS((TRY(1,3,1,1)-TRY(1,1,1,1))/(ADB(3)-ADB(1))):LOCATE23,32:PRINTUSING“≠≠≠.≠≠≠≠“;DE2:IF 1970‘ CÁLCULODER2
DE2<.005THEN1780ELSE1810 1980SMEDW=0:FORJ=1TON:SMEDW=SMEDW+Y(J):NEXTJ
1780IFPAR<4THEN1800 1990SMEDW=SMEDW/N:SDE=0
1790DE4=ABS((TRY(1,1,1,3)-TRY(1,1,1,1))/(ADD(3)-ADD(1))):LOCATE23,47:PRINTUSING“≠≠≠.≠≠≠≠“;DE4:IF 2000FORJ=1TON:SDE=SDE+(Z(J)-SMEDW)∧2:NEXTJ:RR2=SDE/SDR
DE4<.005THEN1800ELSE1810 2010FORJ=1TON:SDR=SDER+(Y(J)-SMEDW)∧2:NEXTJ:RR2=SDE/SDR
1800IT$=“OK“ 2020PRINT“COEFICIENTEDEDETERMINAÇÃODOMODELO=>“;RR2
1810IFNT=6ORNT=12ORNT=18THEN1820ELSE1840 2030PRINT“”:PRINT“SQTOTAL==>“;SDR,”SQRESÍDUO==>“;(SDR-SDE)
1820A2=(ABS(A2)+8*ABS(AOT)/9:B2=(ABS(B2)+8*ABS(BOT))/9 2040PRINT“SQDESVIOS=“;Q
1830C2=(ABS(C2)+8*ABS(COT))/9:D2=(ABS(D2)+8*ABS(DOT))/9 2050INPUT“ENTRERETURNPARATERMINAR”,R
FREITAS, A.R.; ALBINO, L.F.T. FILHO, T.M. & ROSSO, PATANKAR, S. V. Numerical heat transfer and fluid
Modelos de curvas de crescimento em frangos de cor flow. Series in computational methods in mechanics
te. Pesq. Agropec. Bras., 19:1057-64, 1984. and thermal sciences. MacGraw-Hill-Hemisphere, New
GUIMARÃES, P.G & CASTRO, L.H.R. Análise de funções York, 1981, 197p.
de crescimento. Brasília, EMBRAPA-CPAC, 1986-21p. RICHARDS, F.J. A flexible growth function for empi
HOFFMAN, R. & VIEIRA, S. Análise de regressão; uma rical use. J. Exp. Bot., 10:290-300, 1959.
introdução à econometria. São Paulo, Hucitec, 1983 RICHARDS, F.J. The quantitative analysis of growth.
379p. In: STEWARD, F.C.(ed). Plant physiology; a treat
HORNBECK, R.W. Numerical methods. Englewood Cliffs, ise. New York, Academoc Press, 1969. p.3-76
Prentice-Hall, 1975. 310p. STARK, P.A. Introdução aos métodos numéricos. Trad
J.B.P. Carvalho, Rio de Janeiro, Interciência, 1979
338p.