Escolar Documentos
Profissional Documentos
Cultura Documentos
2
DE uma forma geral …
Experimentos
geram uma gama de
dados que devem ser
analisados para a criação
de um modelo.
Função
Obter uma função matemática que
represente (ou que ajuste) os dados
permitindo fazer simulações do
processo de forma confiável e
reduzindo assim repetições de
experimentos que podem ter um
custo alto.
3
Método dos mínimos Quadrados
É o mais utilizado por ter uma aboradagem simples, ser
preciso, e seu resultado abrange várias funções,
principalmente polinômios.
4
A escolha da função pode ser:
5
Caso Discreto
Dados
Temos uma tabela de pontos
pertencentes a um intervalo. x x1 x2 x3 ... xn
f(x) f(x1) f(x2) f(x3) ... f(xn)
x1 , x2 , x3 ,..., xn [a, b]
6
Caso Discreto
Dados
Este é um modelo matemático linear
por que os coeficientes a determinar x x1 x2 x3 ... xn
f(x) f(x1) f(x2) f(x3) ... f(xn)
1 , 2 , 3 ,..., n
7
Caso Discreto
Dados
Este é um modelo matemático linear
por que os coeficientes a determinar
▸ Observando o Diagrama de
Dispersão dos pontos
1 , 2 , 3 ,..., n tabelados;
▸ Basear-se em fundamentos
Aparecem linearmente, embora as teóricos do experimento.
funções gn(x) possam ser funções
não lineares de x.
Excel
8
EXEMPLO
aos dados
0,00 0,000
0,20 0,200 2,500
0,40
0,50
0,600
0,512
do exemplo?? 2,000
0,70 1,200
1,500
1,00 2,050
1,000
0,500
0,000
-1,50 -1,00 -0,50 0,00 0,50 1,00 1,50
10
Método dos´Mínimos Quadrados
d k = ( f ( xk ) − ( xk ) )
11
Método dos´Mínimos Quadrados
( x)
Ou seja, nosso objetivo é
encontrar os coeficientes α
tais que a soma dos quadrados
dos desvios seja mínima,
m m
d = ( f ( xk ) − ( xk ) )
2 2
k m
k =1 k =1 F (1 , 2 ,..., n ) = ( f ( xk ) − ( xk ) )
2
k =1
m
= ( f ( xk ) − 1 g1 ( xk ) − 2 g 2 ( xk ) − ... − n g n ( xk ) )
2
k =1
12
Método dos´Mínimos Quadrados
F
(1 , 2 ,..., n ) = 0, j = 1, 2,..., n
j
m
( f ( x ) − g ( x ) − ... −
k =1
k 1 1 k n g n ( xk ) ) . − g j ( xk ) = 0
Portanto:
m
j = 1 ( f ( xk ) − 1 g1 ( xk ) − ... − n g n ( xk ) ) . − g1 ( xk ) = 0
k =1
m
j = 2 ( f ( xk ) − 1 g1 ( xk ) − ... − n g n ( xk ) ) . − g 2 ( xk ) = 0
k =1
m
j = n ( f ( xk ) − 1 g1 ( xk ) − ... − n g n ( xk ) ) . − g n ( xk ) = 0
k =1
13
Método dos´Mínimos Quadrados
m m m m
m m m m
g1 ( xk ).g 2 ( xk ) 1 + g 2 ( xk ).g 2 ( xk ) 2 ... + g n ( xk ).g 2 ( xk ) n = f ( xk ) g 2 ( xk )
k =1 k =1 k =1 k =1
ditas:
Equações Normais m m m m
1 k n k 1 2 k n k 2
g ( x ). g ( x ) + g ( x ). g ( x ) ... + n k n k n f ( xk ) g n ( xk )
g ( x ). g ( x ) =
k =1 k =1 k =1 k =1
g1 ( xk ) g1 ( xk ) 1 = f ( xk ) g1 ( xk )
0,70 1,200
1,00 2,050
k =1 k =1
11 2 2 11
xk .xk 1 = f ( xk ) xk
2
g1 ( x) = x 2 k =1 k =1
15
EXEMPLO
x f(x)
-1,00 2,050 Dados
-0,75 1,153 Ajustar os dados por uma
-0,60 0,450
-0,50 0,400
parábola passando na origem:
-0,30 0,500
0,00 0,000 f ( x) ( x) = 1 x 2
0,20 0,200
0,40 0,600 11 2 2 11
0,50
0,70
0,512
1,200
Diagrama de Dispersão
k =1
xk . xk
1 =
k =1
f ( xk ) xk
2
1,00 2,050
2.84641 = 5.8756
1 = 2.0642
f ( x) ( x) = 1 x 2
11 2 2 11
k =1
xk . xk
1 =
k =1
f ( xk ) xk
2
2.84641 = 5.8756
1 = 2.0642
Portanto, a parábola que melhor se
aproxima pelo MNQ:
f ( x) ( x) = 2.0642 x 2
17
Gráfico comparando a função aproximada e os dados
tabelados
2,5
2,0
1,5
Dados tabelados
Função Phi aproximação
1,0
0,5
0,0
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5
18
Caso Não Linear
y = ax + b
f(x) 36.547 17.264 8.155 3.852 1.820 0.860 0.406 0.246
19
Caso Não Linear
Exemplo:
f(x) Num laboratório os seguintes dados
experimentais foram obtidos:
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 Construindo o diagrama de dispersão:
f ( x) ( x) = ae −bx y* = 1 + 2 x
1 = ln a e 2 = −b
20
Caso Não Linear
y*
3.5986 2.8486 2.0986 1.3486 0.5988 -0.1508 -0.9014 -1.4024
f *(x)=lnf(x)
g1 ( x) = 1
k =1
1 k 2 k 1
2 k 2 k 2 f *( xk ) g 2 ( xk )
k =1 k =1
g 2 ( x) = x 8 8 8
k =1
k 1
k k 2 f *( xk ).xk
k =1 k =1
8 8 8
1 1 + xk 2 = f *( xk )
k =1 k =1 k =1
8
x + x2 =
8 8
k =1
k 1
k 2 f *( xk ).xk
k =1 k =1
Caso Não Linear
y* = f *( x) = ( x) = 1 + 2 x
g1 ( x) = 1
g 2 ( x) = x
8 8 8
1 1 + xk 2 = f *( xk )
k =1 k =1 k =1
8
x + x2 =
8 8
k =1
k 1
k 2 f *( xk ).xk
k =1 k =1
y* = ( x) = 1 + 2 x
f ( x) ( x) = ae −bx
g1 ( x) = 1
g 2 ( x) = x y* = 1 + 2 x
1 = ln a e 2 = −b
1 = 1.0986
2 = −2.5002 a = e1 =e1.0986 =3 e b = 2.5002
y* = ( x) = 1.0986 − 2.5002 x
f ( x) ( x) = 3e −2.5002 x
Caso Não Linear
Curva gerada pelo Excel, com método próprio
Método Mínimos Quadrados de ajuste de curvas
f ( x) ( x) = 3e −2.5002 x
40,0
35,0
y= 2,9999e-2,5x
30,0
25,0
20,0
15,0
10,0
5,0
0,0
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5
Algumas funções e as substituições para linearização
MÍNIMOS QUADRADOS
Para determinar a relação entre o número de peixes e o número de espécies de peixes existentes em
amostras colhidas em uma parte do Recife da Grande Barreira, os pesquisadores Sale e Dybdahl
ajustaram um polinômio por mínimos quadrados ao conjunto de dados apresentados a seguir. Esses
dados foram coletados em amostras obtidas durante um período de dois anos.
Seja x o número de peixes na amostra e y o número de espécies na mesma amostra, determine o
polinômio que ajusta pelos mínimos quadrados esses dados
x 13 15 16 21 22 23 25 29 31 31 36 40 42 55 60 62 64 70 72 100 130
y 11 10 11 12 12 13 13 12 14 16 17 13 14 22 14 21 21 24 17 23 34
28