AJUSTE
DE
INTRODUÇÃO
Em geral, experimentos geram uma gama de dados que
devem ser analisados para a criação de um modelo.
Obter uma função matemática que represente (ou que
ajuste) os dados permite fazer simulações do processo de forma confiável, reduzindo assim repetições de experimentos que podem ter um custo alto.
INTRODUÇÃO
Em geral, usar interpolação polinomial
quando:
Deseja-se extrapolar ou fazer previsões em regiões fora do
intervalo considerado;
Os dados tabelados são resultados de experimentos, onde erros
INTRODUÇÃO
O objetivo é obter uma função que seja uma
“boa aproximação” e que permita
extrapolações
INTRODUÇÃO
A escolha das funções pode ser feita:
Observando o gráfico dos pontos tabelados;
Baseando-se em fundamentos teóricos do experimento que
forneceu a tabela ou;
INTRODUÇÃO
O Método dos Mínimos Quadrados é um método
bastante utilizado para
ajustar
uma determinada
MÉTODO DOS
MÍNIMOS
Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados consiste em escolher os
a
i (i = 1, 2, ..., n) de tal forma que:se aproxime ao máximo de f(x).
onde: fornece os pontos exatos;
fornece os pontos estimados.
x
f
x
g
Método dos Mínimos Quadrados
O Método dos Mínimos Quadrados consiste em escolher os
a
i (i = 1, 2, ..., n) de tal forma que a seja mínima.
m k k kx
x
f
E
1 2
(2)0 1 2 3 4 5 6 0 1 2 3 4 5 f (x) = 0,8 x + 1,5
4 1 2 k k kx
x
f
E
x
f (x)
(x)
Método dos Mínimos Quadrados
xi f (xi)
1 2
2 4
3 3
Método dos Mínimos Quadrados
Observe que, se o modelo ajustar exatamente aos dados, o
mínimo da função:
será zero e, portanto, a é um dentro do método dos quadrados mínimos.
m k k kx
x
f
E
1 2
Caso Discreto
Dado um conjunto de pontos (xi; f(xi)), i = 0, 1, 2, ..., m
(f dada por )
O problema de ajuste de curvas consiste em encontrar
funções gi (x), tais que o desvio em cada ponto i, definido por (2) seja mínimo, ou seja:
Caso Discreto
Neste caso, o ajuste é
linear
.
Caso Discreto
A escolha das funções gi (x) depende do gráfico dos pontos,
chamado de diagrama de dispersão, através do qual pode-se
Ajuste Linear
Como pode ser observado no gráfico anterior, uma possível
aproximação seria através de uma função linear do tipo:
Assim o objetivo é determinar o valor de
a
0 ea
1, queminimize:
m i i ix
y
E
1 2 0 1a
a
a
1a
0
x
x
i
(3)Ajuste Linear
Para que E seja mínimo é necessário que:
0
0
a
E
0
1
a
E
(4) (5)Ajuste Linear
As equações (4) e (5) simplificam-se nas
: (6) (7)
m i i m i iy
x
m
1 1 1 0a
a
m i i i m i i m i ix
x
y
x
1 1 2 1 1 0a
a
Ajuste Linear
A solução para o sistema de equações é:
(8) (9)
m i i m i i m i i m i i i m i i m i ix
x
m
x
y
x
y
x
1 1 2 1 1 1 1 2 0a
2 2 1 1 1 0
m m m i i m i i m i i ix
x
m
y
x
y
x
m
a
Exemplo 1
Considerando os dados da Tabela 1, e através do gráfico
gerado, pode-se definir que tipo de curva melhor se ajusta aos dados.
Tabela 1
x
i1
2
3
4
5
6
7
8
9
10
Exemplo 1
Figura 1. Diagrama de Dispersão para os dados da Tabela 1
0 4 8 12 16 20 0 2 4 6 8 10 12 y x x y
Exemplo 1
Considerando a Tabela 1, e os dados necessários para as
equações (8) e (9), a Tabela 2 pode ser construída:
i xi yi xi2 x i yi 1 1 1,3 1 1,3 2 2 3,5 4 7,0 3 3 4,2 9 12,6 4 4 5,0 16 20,0 5 5 7,0 25 35,0 6 6 8,8 36 52,8 7 7 10,1 59 70,7 8 8 12,5 64 100,0 9 9 13,0 81 117,0 10 10 15,6 100 156,0
Exemplo 1
Considerando os dados da Tabela 2, os parâmetros
a
0 ea
1podem ser calculados como:
Assim a reta a ser ajustada é determinada por:
a
0
= -
0, 360
a
1
=
1, 538
360
,
0
538
,
1
x
y
Exemplo 1
Na Figura 2, pode-se observar o ajuste através da reta:
Figura 2. Ajuste linear y = 1.5382x - 0.36 0 4 8 12 16 20 0 2 4 6 8 10 12 y x
Ajuste Polinomial
O processo usado para o ajuste linear pode ser estendido
para ajuste polinomial.
Assim, uma função polinomial de grau n é dada por:
O objetivo é minimizar o erro:
m i i n ix
P
y
E
1 2Ajuste Polinomial
Como no caso linear, para que E seja minimizado é
necessário que:
para cada j = 0, 1, ..., n.
Isto fornece as n+1 equações normais nas n+1 incógnitas
a
j:para cada j = 0, 1, ..., n.
0,
1,
,
0
n jE
a
a
a
a
m i j i i m i k j i n k kx
y
x
1 1 0a
Ajuste Polinomial
m i i m i n i n m i i m i ix
x
y
x
m
1 1 1 2 2 1 1 0a
a
a
a
m i i i m i n i n m i i m i i m i ix
x
x
y
x
x
1 1 1 1 3 2 1 2 1 1 0a
a
a
a
m i n i i m i n i n m i n i m i n i m i n ix
x
x
y
x
x
1 1 2 1 2 2 1 1 1 1 0a
a
a
a
EXEMPLO 2
Ajustar os dados da Tabela 3 com um polinômio de grau dois
utilizando o método dos mínimos quadrados.
Tabela 3 i xi yi 1 0,00 1,0000 2 0,25 1,2840 3 0,50 1,6487 4 0,75 2,1170 5 1,00 2,7183
EXEMPLO 2
i xi yi xi2 xi3 xi4 xiyi xi2yi 1 0,00 1,0000 0,0000 0,0000 0,0000 0,0000 0,0000 2 0,25 1,2840 0,0625 0,1563 0,0039 0,3210 0,0803 3 0,50 1,6487 0,2500 0,1250 0,0625 0,8244 0,4122 4 0,75 2,1170 0,5625 0,4219 0,3164 1,5878 1,1908 5 1,00 2,7183 1,0000 1,0000 1,000 2,7183 2,7183 Σ 2,50 8,7680 1,875 1,5625 1,3828 5,4514 4,4015EXEMPLO 2
Para este problema, n = 2, m = 5 e as três equações normais
são:
Resolvendo o sistema, obtêm-se:
a
0=
1, 0051
a
1=
0,8647
a
2=
0,8432
5, 0
a
0+
2, 5
a
1+
1, 875
a
2=
8, 7680
2, 5
a
0+
1, 875
a
1+
1, 5625
a
2=
5, 4514
1, 875
a
0+
1, 5625
a
1+
1, 3828
a
2=
4, 4015
EXEMPLO 2
O erro total
é o mínimo que pode ser obtido usando um polinômio
com grau máximo 2
E
=
éë
y
i-
P x
( )
iùû
2 i=1 5å
=
2, 74
´
10
-4y
=
1, 0051
+
0,8642x
+
0,8437x
2Figura 3. Ajuste polinomial
y = 0.8437x2 + 0.8642x + 1.0051 0 0.5 1 1.5 2 2.5 3 0 0.5 1 1.5 y x
Ajuste Não-Linear
Existem casos, onde o de uma
função indica que os dados devem ser ajustados por uma
função .
Ocasionalmente, é apropriado supor que os dados estejam
relacionados exponencialmente.
Exemplo: φ(x) = aebx, para a e b constantes.
A dificuldade de aplicação do método dos mínimos quadrados neste caso consiste na tentativa de minimizar E.
Ajuste Não-Linear
Para estes casos, um
deve ser empregado, para que seja possível aplicar o Método dos Mínimos Quadrados.
Ajuste Não-Linear
Caso I: Função Exponencial
Aplicando logaritmo em ambos os lados, obtêm-se:
Realizando as seguintes substituições:
Obtêm-se:
j
( )
x
=
y
=
ae
bxln y
( )
=
ln ae
( )
bx=
ln a
( )
+
bx
Y
=
ln y
( )
a
0=
ln a
( )
a
1=
b
X
=
x
Y
=
a
1X
+
a
0Ajuste Não-Linear
Caso II: Função Logarítmica
Expandindo:
Realizando as seguintes substituições:
Obtêm-se:
y
=
a ln bx
( )
y
=
a ln b
( )
+
a ln x
( )
Y
=
y
a
0=
a ln b
( )
a
1=
a
X
=
ln x
( )
Y
=
a
1X
+
a
0Ajuste Não-Linear
Caso III: Função Potencial
Aplicando logaritmo em ambos os lados:
Realizando as seguintes substituições:
Obtêm-se:
y
=
ax
bln y
( )
=
ln ax
( )
b=
ln a
( )
+
ln x
( )
b=
ln a
( )
+
b ln x
( )
Y
=
ln y
( )
a
0=
ln a
( )
a
1=
b
X
=
ln x
( )
Y
=
a
1X
+
a
0Ajuste Não-Linear
Caso IV: Função Hiperbólica
Realizando as seguintes substituições:
Obtêm-se:
y
=
a
+
b
x
Y
=
a
1X
+
a
0Y
=
y
a
0=
a
a
1=
b
X
=
x
-1Ajuste Não-Linear
Usam-se as equações do para obter
a
0 ea
1:a
0m
+
a
1x
i i=1 må
=
y
i i=1 må
a
0x
i i=1 må
+
a
1x
i2 i=1 må
=
x
iy
i i=1 må
Após aplicar o método dos mínimos quadrados, é
preciso fazer as
para
encontrar os parâmetros e da função de
aproximação original.
Observe que os parâmetros a e b assim obtidos
dentro do critério dos quadrados
mínimos, porque estamos ajustando o problema
EXEMPLO 3
Encontrar uma função que se ajusta aos valores da tabela
abaixo: x y -1,0 36,547 -0,7 17,267 -0,4 8,155 -0,1 3,852 0,2 1,82 0,5 0,86 0,8 0,406 1,0 0,246
Exemplo 3
y
=
ae
-
bx
Y
=
ln y
a
0=
ln a
( )
Exemplo 3
Como o ajuste será realizado por uma função exponencial é
necessário calcular: i x y Y = ln(y) xi2 x iYi 1 -1,0 36,547 3,599 1,00 -3,599 2 -0,7 17,264 2,849 0,49 -1,994 3 -0,4 8,155 2,099 0,16 -0,839 4 -0,1 3,852 1,349 0,01 -0,135 5 0,2 1,820 0,599 0,04 0,120 6 0,5 0,860 -0,151 0,25 -0,075 7 0,8 0,406 -0,901 0,64 -0,721 8 1,0 0,246 -1,402 1,00 -1,402
Y
=
ln y
Caso Não-Linear
a
0
=
1, 099
a
1= -
2, 5
a
0
=
ln a
( )
a
1
= -
b
Os parâmetros α0 e α1 que ajustam a função
(x) à função yno sentido dos quadrados mínimos.
se pode afirmar que os parâmetros a e b (obtidos através de α0 e α1) são os que ajustam
(x) à função yTESTE DE ALINHAMENTO
Uma vez escolhida uma função não linear em a, b, … para
ajustar uma função. Uma forma de verificar se a escolha foi
TESTE DE ALINHAMENTO
Fazer a “linearização” da função não linear escolhida;
Fazer o diagrama de dispersão dos novos dados;
Se os pontos do diagrama estiverem alinhados, isto
significará que a função não linear escolhida foi uma “boa escolha”.
EXEMPLO 3
Gráfico de x versus Y = ln y i x y Y = ln(y) 1 -1 36,547 3,599 2 -0,7 17,264 2,849 3 -0,4 8,155 2,099 4 -0,1 3,852 1,349 5 0,2 1,820 0,599 6 0,5 0,860 -0,151 7 0,8 0,406 -0,901 8 1 0,246 -1,402 Σ 0,3 69,15 8,041TESTE DE ALINHAMENTO
EXEMPLO 3
EXEMPLO 4
Usando o Método dos Mínimos Quadrados, ajustar uma
curva do tipo s = q t p aos dados abaixo:
Qual o valor de s quando t = 4,5? Qual o vaor de t quando s = 40?
t 2,2 2,7 3,5 4,1
EXEMPLO 4
Caso III: Função Potencial
Aplicando logaritmo em ambos os lados:
Realizando as seguintes substituições:
Obtêm-se:
s
=
qt
plogs
=
logq
+
plogt
Y
=
log s
a
0=
log q
a
1=
p
X
=
log t
EXEMPLO 4
Temos então: i t s Xi Yi Xi2 Xi Yi 1 2,2 65 0,3424 1,8129 0,1172 0,6207 2 2,7 60 0,4314 1,7782 0,1861 0,7671 3 3,5 53 0,5441 1,7243 0,2960 0,9382 4 4,1 50 0,6128 1,6990 0,3755 1,0411 Σ 1,9307 7,0144 0,9748 3,3671EXEMPLO 4
a
0=
1, 963
a
1= -
0, 434
a
0=
logq
a
1=
p
q
=
91,83
p
= -
0, 434
s
=
91,83t
-
0,434
4
a
0+
1, 9307
a
1=
7, 0144
1, 9307
a
0+
0, 9748
a
1=
3, 3671
EXEMPLO 4
Se:
então, para t = 4,5; s ≈ 48, e para s = 40; t ≈ 6,8.
Caso Contínuo
Outro problema é a aproximação de funções.
Para o caso discreto, temos um .
Caso Contínuo
Dada uma função f (x), contínua em [a, b] e escolhidas funções
g1 (x), g2 (x), ..., gn (x), todas contínuas em [a, b], determinar constantes a1, a2,..., an, tal que:
Caso Contínuo
O objetivo é determinar um polinômio de grau máximo n
(φ (x) = Pn(x)):
que minimize o erro total:
n k k k n n n n nx
x
x
x
x
P
0 0 1 1 1a
a
a
a
a
E
=
éë
f x
( )
-
P
n( )
x
ùû
2dx
=
f x
( )
-
a
kx
k k=0 nå
æ
è
ç
ö
ø
÷
a bò
a bò
2dx
Caso Contínuo
O problema é encontrar os coeficientes
a
j que minimizem E. Uma condição necessária para que os númerosa
jminimizem E é que: para cada j=0, 1, . . .,n.
0,
1,
,
0
n jE
a
a
a
a
Caso Contínuo
Como:
As derivadas ficam na seguinte forma:
E
=
éë
f x
( )
ùû
2dx
-
2
a
kx
kf x
( )
dx
a bò
k=0 nå
+
a
kx
k k=0 nå
æ
è
ç
ö
ø
÷
a bò
a bò
2dx
Caso Contínuo
Para encontrar Pn(x), temos (n + 1) equações normais:
que devem ser resolvidas para se determinar as (n+1) incógnitas
a
j, para cada j = 0, 1, ..., n.
b a j n k b a k j kx
dx
x
f
x
dx
0a
EXEMPLO 5
Encontrar o polinômio de aproximação por mínimos
quadrados de segundo grau para a função abaixo no intervalo [0,1].
EXEMPLO 5
b a j n k b a k j kx
dx
x
f
x
dx
0a
1 0 1 0 2 2 1 0 1 1 0 01
dx
a
xdx
a
x
dx
sen
x
dx
a
1 0 1 0 3 2 1 0 2 1 1 0 0xdx
a
x
dx
a
x
dx
xsen
x
dx
a
1 0 2 1 0 4 2 1 0 3 1 1 0 2 0x
dx
a
x
dx
a
x
dx
x
sen
x
dx
a
EXEMPLO 5
Calculando as integrais obtêm-se:
Resolvendo o sistema obtêm-se o seguinte polinômio: