INSTITUTO FEDERAL DO PIAU - IFPI

AJUSTE DE CURVAS

Prof. Abimael Lopes de Melo

12
0011 0010
e-mail: abimael@ifpi.edu.br
45
 Sumrio:

1 Introduo

2 Quadrados Mnimos (Caso discreto Modelo linear)

3 Quadrados Mnimos (Caso discreto Modelo no linear)

3.1 Teste de alinhamento

4 Quadrados Mnimos (Caso contnuo)

12
0011 0010 45
 1 Introduo

12
0011 0010 45
 Em geral, experimentos em laboratrio geram um conjunto de
dados que devem ser analisados com o objetivo de determinar
certas propriedades do processo em anlise.
14

12

10

0
1 1.5 2 2.5 3 3.5 4 4.5 5

Obter uma funo matemtica que represente (ou que ajuste)

estes dados, permite fazer simulaes do processo, reduzindo
assim repeties de experimentos que podem ter um custo alto. 12
0011 0010 45
 Nesta unidade ser estudado uma das tcnicas mais utilizadas
para se ajustar dados, conhecida com Mtodo dos Quadrados
Mnimos (MQM).

12
0011 0010 45
 2 Quadrados Mnimos
Caso discreto - Modelo linear

12
0011 0010 45
 Seja uma tabela de pontos (xi, yi), i = 0, 1,..., m, xi [a, b].
O problema de ajuste de curvas consiste em escolher n funes
g1, g2,..., gn contnuas e linearmente independentes em [a, b] e
obter n constantes 1, 2,...,n tais que:

(xk) = 1g1(xk) + 2g2(xk) +...+ ngn(xk)

seja uma boa aproximao para os pontos y(xk), ou seja, k yk.

Este um modelo linear porque a funo (x) utilizada no

ajuste dos pontos linear nos parmetros j, embora as funes
gj(x) possam ser no-lineares (ex.: ex, 1 + x2, ln(x) ).

12
0011 0010 45
 A escolha das funes gj(x) pode ser feita observando
o grfico dos pontos tabelados,
chamado de diagrama de disperso,
Atravs do qual podemos observar o tipo de curva
que melhor se ajusta aos dados.

12
0011 0010 45
 Exemplo 1: Considere a seguinte tabela de pontos.
xk 0.1 0.2 0.5 0.7 0.8 0.9 1.1 1.23 1.35 1.5 1.7 1.8
yk 0.19 0.36 0.75 0.91 0.96 0.99 0.99 0.94 0.87 0.75 0.51 0.35
1

A anlise do diagrama de disperso

0.8
mostra que a funo que procuramos
0.6
se comporta como uma parbola.

0.4

0.2

0
0 0.5 1 1.5 2

Logo poderamos escolher as funes g1(x) = 1, g2(x) = x e g3(x) = x2,

pois (x) = 1g1(x) + 2g2(x) + 3g3(x) representa uma famlia de
parbolas, e com a escolha adequada dos j teremos aquela que
12
melhor se ajusta aos pontos.
0011 0010 45
 Para obter a curva que melhor se ajusta a funo tabelada a idia
impor que o desvio em relao funo aproximada seja o menor
possvel, ou seja:
dk = |yk (xk)|
1.5
(x)
1
yk dk

0.5

-0.5 d3
d2

-1 d1

12
0011 0010
-1.5
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
45
 O Mtodo dos Quadrados Mnimos consiste em escolher j de
tal forma que a soma dos quadrados dos desvios seja mnima:

d = [ y k ( xk ) ]
m m
2 2
k
k =1 k =1

d = [ yk 1 g1 ( xk ) 2 g 2 ( xk ) n g n ( xk )]
m m
2 2
k
k =1 k =1

isto , encontrar os parmetros j que minimizam a funo:

m ( xk )

F (1 , 2 ,..., n ) = [ yk (1 g1 ( xk ) + ... + n g n ( xk ))]2
k =1

12
0011 0010 45
 A funo F uma funo quadrtica que satisfaz F() 0 R m.
Isto , uma funo limitada inferiormente e portanto tem um ponto
de mnimo.

O ponto crtico de F() encontrado igualando seu gradiente a

zero:
F
=0 j = 1, 2,..., n.
j
(1 ,..., n )

Desta forma temos:

m
2 [yk 1g1(xk) - 2g2(xk) ... ngn(xk)](-gj(xk)) = 0
k =1

12
0011 0010 45
 A equao anterior pode ser reescrita como:
m m m m

k=1 g1(xk)g1(xk) 1 + k=1 g2(xk)g1(xk) 2 + + k=1 gn(xk)g1(xk) n = k=1 k 1 k

y g (x )

m m m m

k=1 g1(xk)g2(xk) 1 + k=1 g2(xk)g2(xk) 2 + + k=1 gn(xk)g2(xk) n = k=1 yk g2(xk)

m m m m

k =1 1 k n k 1 +
g (x )g (x ) k=1 g2(xk)gn(xk) 2 + + k=1 gn(xk)gn(xk) n = k=1 yk gn(xk)

Assim, para obter j temos que resolver o seguinte sistema:

m
A11 A12 A13 A1n 1 b1 onde, Aij = gi(xk)gj(xk)
k =1
A21 A22 A23 A2 n 2 b2
A A32 A33 A3n = b m
31 3 3 bi = yk gi(xk)

A
n1

An 2 An 3 Ann

b
n n
k =1

12
0011 0010
Observao
45
 No exemplo anterior ajustamos os dados a uma parbola, mas
outras funes bases poderiam ser usadas.

Como exemplo, poderamos pensar que os dados representam

o primeiro meio perodo de uma funo senoidal.

E neste caso poderamos tomar (x) = 1 + 2sen( 2 x). Afinal

qual seria a melhor escolha?

A soma dos quadrados dos desvios em cada ponto tabelado

fornece uma medida que pode ser usada como parmetro de
comparao entre ajustes diferentes.
n
d = [ yk ( xk )]2
k =1 12
0011 0010 45
 Aplicando o Mtodo dos Quadrados Mnimos para o caso da
funo senoidal, obtm-se:

( x) = 0.0136 + 1.0193sen x
2
1.1

0.9

0.8

0.7

0.6

0.5

0.4

12
0.3

0.2

0011 0010
0.1
0 0.5 1 1.5 2
45
 Calculando a soma dos quadrados dos desvios para cada caso:

12
Parbola: Sr = [ y ( xk ) ( xk )]2 =0.00011
k =1

12
Senide: Sr = [ y ( xk ) ( xk )]2 =0.02835
k =1

Portanto, para este caso, o melhor ajuste foi obtido usando a

parbola.

12
0011 0010 45
 2.1 Coeficiente de correlao (r)

Fornece uma medida do percentual de pontos bem ajustados:.

St S r
r =
2

St

2 m
onde, S t = ( yk ym )
m
yk
k =1 ym = k =1
m
2
S r = ( yk i )
m

k =1

12
0011 0010 45
 3 Quadrados Mnimos
Caso discreto - Modelo no linear

12
0011 0010 45
 Existem casos, onde o diagrama de disperso de uma funo
indica que os dados devem ser ajustados por uma funo que no
linear com relao aos parmetros j.
Como exemplo, considere os seguintes dados:
xk -1.0 -0.5 0 0.5 1 1.5 2.0 2.5 3
yk 0.157 0.234 0.350 0.522 0.778 1.162 1.733 2.586 3.858
4

3.5 Observando o diagrama podemos

3 considerar que os dados tem um
2.5 comportamento exponencial, que
2 nos sugere o seguinte ajuste:
1.5
( x) = 1e 2x

12
1

0.5

0
-1
0011 0010
-0.5 0 0.5 1 1.5 2 2.5 3
45
 Para aplicar o Mtodo dos Quadrados Mnimos torna-se
necessrio efetuar uma linearizao do problema.

A linearizao da funo escolhida para ajustar os pontos

anteriores deve ser feita da seguinte forma:

( x) = 1e x
2
z = ln( ( x)) z = ln 1 + 2 x

Fazendo 1 = ln1 e 2 = 2 o problema consiste em ajustar os

dados de z pela reta:

z(x) = 1 + 2x
12
0011 0010 45
 Para isso devemos construir uma nova tabela com os dados de
zk = ln(yk) = 1 + 2x.
xk -1.0 -0.5 0 0.5 1 1.5 2.0 2.5 3
yk 0.166 0.189 0.250 0.600 0.800 1.200 1.800 2.640 3.700
zk = ln(yk) -1.796 -1.666 -1.386 -0.511 -0.223 0.182 0.588 0.971 1.308
9
F ( 1 , 2 ) = [ z ( xk ) ( 1 + 2 xk )]2
k =1

9 (1) 9 x 1 9 z
k=1 k
k =1
= k =1
k
9 9
2 9
xk xk 2 z k xk
k =1 k =1 k =1
Resolvendo o sistema anterior obtemos a seguinte soluo:
1 = -1.114
2 = 0.832 12
0011 0010 45
 Desta forma os valores de j so dados por:
1 = e = 0.328
1

2 = 2 = 0.832
Portanto temos:
( x) = 1e x = 0.328e 0.832 x
2

12
0011 0010
0
-2 -1 0 1 2 3 4 45
 Para calcular o coeficiente de correlao escrevemos a seguinte
tabela:
yk (yk y )2 k (yk - k)2
9

yk 0,166
0,189
1,1980
1,1482
0,1427
0,2164
0,0005
0,0007
y= k =1
= 1.2606 0,25 1,0212 0,3280 0,0061
9
0,6 0,4363 0,4972 0,0106
0,8 0,2121 0,7537 0,0021
1,2 0,0037 1,1425 0,0033
1,8 0,2910 1,7320 0,0046
2,64 1,9029 2,6255 0,0002
3,7 5,9509 3,9799 0,0783
12,1644 0,1066

2
St = ( yk ym ) = 12.1644
9

St S r 12.1644 0.1066
k =1
r2 = = = 0,9912
2
S r = ( yk i ) = 0.1066
k =1
9

r = 0.9956
St 12.1644
12
0011 0010 45
 Linearizao de algumas curvas:

Curva Hiperblica
1
y= z = 1 + 2 x onde z = 1
1 + 2 x y

Curva Exponencial
y = 1 ( 2 ) x z = 1 + 2 x onde z = ln( y ) , 1 = ln(1 ) , 2 = ln( 2 )

Curva Geomtrica
y = 1 ( x ) ln( y ) = ln( 1 ) + 2 ln( x) onde z = ln ( y ), t = ln ( x),
2

z = 1 + 2 t 1 = ln(1 ), 2 = 2
12
0011 0010 45
 3.1 Teste de Alinhamento

Uma vez escolhida uma funo no linear em 1, 2,..., n

para ajustar uma funo dada, uma forma de verificarmos se a
escolha feita foi razovel aplicarmos o teste de alinhamento,
que consiste em:

i) fazer a linearizao da funo no linear escolhida;

ii) fazer o diagrama de disperso dos novos dados;

iii) se os pontos do diagrama (ii) estiverem alinhados, isto

significar que a escolha da funo foi adequada.
12
0011 0010 45
 Exemplo 4: Considere a funo dada pela tabela:
xk -8 -6 -4 -2 0 2 4
yk 30 10 9 6 5 4 4
1
Qual das funes a) y ( x) = b) y ( x) = ab
x
ou
a + bx
ajustaria melhor os dados da tabela?

Em primeiro lugar devemos linearizar as funes:

1
De y ( x) = , obtemos :
a + bx
xk -8 -6 -4 -2 0 2 4
z1 ( x) = a + bx
z1=1/y 0.03 0.10 0.11 0.17 0.20 0.25 0.25
De y ( x) = ab t , obtemos : k

z 2 ( x) = ln a + x ln b xk -8 -6 -4 -2 0 212 4

0011 0010
z2=ln(yk 3.40 2.30 2.20 1.79 1.61 1.39 1.39
)
45
 Fazendo o diagrama de disperso para cada funo:
z1 = a + bx z 2 = ln a + x ln b
0.35 3.5

0.3
3

0.25

2.5
0.2

0.15
2

0.1

1.5
0.05

0 1
-8 -6 -4 -2 0 2 4 -8 -6 -4 -2 0 2 4

Vemos que os dados de z1 = a + bx se aproximam mais de uma reta.

Assim, devemos escolher y = 1 a + bx para ajustar os dados.
12
0011 0010 45
 4 Quadrados Mnimos
Caso contnuo

12
0011 0010 45
 No caso contnuo temos uma funo f(x) dada num intervalo
[a, b] e no mais uma tabela de pontos.
O procedimento anlogo ao caso discreto. Escolhidas as funes
bases gj devemos determinar a funo (xk) = 1g1(xk) + 2g2(xk) +...
+ ngn(xk) de modo que o desvio seja mnimo, onde:
b
d = ( f ( x) ( x) ) dx
2

Neste caso os j tambm so determinados pela resoluo de um

sistema, onde os elementos Aij so obtidos por intermdio do
produto interno entre as funes gi(x) e gj(x).
b
Aij = g i ( x) g j ( x)dx
a

12
E os elementos bi pelo produto interno entre f(x) e gj(x), ou seja:

45
b
bi = f ( x) g j ( x)dx
a
0011 0010
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45
 12
0011 0010 45