MÉTODOS
NUMÉRICOS
[Link]ÉNIO UQUETE
Unipiaget - MSc. Sténio Uquete 1
Ajuste de Curvas /Regressão
Linear
(Métodos de Mínimo Quadrado)
Unipiaget - MSc. Sténio Uquete 2
5.1 FUNDAMENTOS
• Muitas observações científicas e de engenharia são feitas em
experimentos nos quais grandezas físicas são medidas e
gravadas. Tais registros são normalmente chamados
• de dados ou pontos experimentais. Por exemplo, a dureza de
muitos metais depende do tamanho dos grãos que o
compõem.
Unipiaget - MSc. Sténio Uquete 3
• Cientistas e engenheiros podem usar dados experimentais
de diferente maneiras.
• Frequentemente, eles são usados no desenvolvimento ou
na avaliação de fórmulas matemáticas (equações) que
possam representá-los. Isso é feito com o traçado de
curvas nas quais se assume uma forma de equação
específica, com base ou não em algum tipo de teoria, e com
a determinação dos parâmetros dessa equação de forma
que as curvas traçadas representem da melhor forma
possível o conjunto de dados.
Unipiaget - MSc. Sténio Uquete 4
AJUSTE DE CURVAS
• O ajuste de curvas é um procedimento no qual uma
fórmula matemática (equação) é usada para
produzir uma curva que melhor represente um
conjunto de dados. O objectivo é encontrar uma
equação que possa fazer isso de forma geral. Isso significa
que a função não tem que fornecer o valor exacto em cada
ponto, mas sim representar o conjunto de dados de forma
satisfatória como um todo.
Unipiaget - MSc. Sténio Uquete 5
CONTINUAÇÃO
• O ajuste entre um conjunto de dados e uma função linear
aproximada é determinado primeiramente com o cálculo do erro,
também chamado de resíduo, que é a diferença entre cada ponto
pertencente ao conjunto de dados e o valor da função aproximada.
Subsequentemente, os resíduos são usados para calcular o erro
total em todos os pontos. A Fig. 5-5 mostra o caso geral de uma
função linear (linha recta) usada para ajustar um conjunto de n
pontos. O resíduo ri em um ponto (xi, yi) é a diferença entre o
valor yi do ponto medido e do valor da função f(xi) usada para
• aproximar o conjunto de dados:
Unipiaget - MSc. Sténio Uquete 6
Um critério que mede quão bem a função aproximada é capaz
de representar os dados fornecidos pode ser obtido com o
cálculo do erro total E em termos dos resíduos. O erro global
pode ser calculado de diferentes maneiras.
Uma maneira simples é somar os resíduos de todos os
pontos:
Unipiaget - MSc. Sténio Uquete 7
CONTINUAÇÃO
• O erro calculado dessa forma não fornece uma boa medida
• do ajuste global. Isso ocorre porque um ajuste mal feito com
• resíduos positivos e negativos (ambos podem ser grandes) pode
• resultar em um erro nulo ou muito próximo de zero, sugerindo
• um bom ajuste.
• Outra possibilidade é fazer com que o erro global E seja igual à soma do
valor absoluto dos resíduos:
Unipiaget - MSc. Sténio Uquete 8
REGRESSÃO LINEAR POR MÍNIMOS QUADRADOS
• Uma definição para o erro global E que fornece uma boa
medida do erro total e que também pode ser usada para
determinar uma única função linear que leve ao melhor ajuste
(isto é, ao menor erro total) é obtida fazendo com que E seja
igual à soma dos quadrados dos resíduos:
• Com essa definição, o erro global é sempre um número
positivo (resíduos positivos e negativos não se cancelam). pode
• ser usada para calcular os coeficientes a1 e a0 na função linear
y = a1x + a0 que levem ao menor erro total.
Unipiaget - MSc. Sténio Uquete 9
REGRESSÃO LINEAR POR MÍNIMOS QUADRADOS
• A regressão linear por mínimos quadrados é um procedimento no qual
os coeficientes a1 e a0 da função linear y = a1x + a0 são determinados de
tal forma que essa função leve ao melhor ajuste de um determinado
conjunto de pontos.
• A função E tem um mínimo nos valores de a1 e a0 nos quais as
derivadas parciais de E em relação a cada variável são iguais a zero.
Calculando as derivadas parciais e as igualando a zero, obtém-se:
Unipiaget - MSc. Sténio Uquete 10
REGRESSÃO LINEAR POR MÍNIMOS QUADRADOS
• As Equações formam um sistema de duas equações
lineares com incógnitas a1 e a0 , e podem ser escritas na
forma: A solução do sistema é:
Unipiaget - MSc. Sténio Uquete 11
REGRESSÃO LINEAR POR MÍNIMOS QUADRADOS
Unipiaget - MSc. Sténio Uquete 12
Unipiaget - MSc. Sténio Uquete 13
Unipiaget - MSc. Sténio Uquete 14
Unipiaget - MSc. Sténio Uquete 15
Unipiaget - MSc. Sténio Uquete 16
REGRESSÃO NÃO LINEAR POR MÍNIMOS QUADRADOS
• Muitas situações na ciência e na engenharia mostram que a
relação entre as grandezas envolvidas não é linear. Por
exemplo, a Figura ilustrada no próximo slide, mostra um
gráfico de dados medidos em um experimento com um
circuito RC. Neste experimento, a queda de tensão no
resistor é medida em função do tempo a partir do instante
em que a chave é fechada.
Unipiaget - MSc. Sténio Uquete 17
Há muitos tipos de funções não-lineares, que podem ser escritas em uma forma tal que possibilite a
determinação dos coeficientes que levam ao melhor ajuste com o emprego do método da regressão
linear por mínimos quadrados.
Exemplos de funções não-lineares usadas nesta seção no ajuste de curvas são:
Unipiaget - MSc. Sténio Uquete 18
Há muitos tipos de funções não-lineares, que podem ser escritas em uma forma tal que possibilite a
determinação dos coeficientes que levam ao melhor ajuste com o emprego do método da regressão
linear por mínimos quadrados.
Exemplos de funções não-lineares usadas nesta seção no ajuste de curvas são:
Unipiaget - MSc. Sténio Uquete 19
LINEARIZAÇÃO DE UMA EQUAÇÃO NÃO LINEAR
• Para que a regressão linear possa ser utilizada, a equação não-
linear de duas variáveis deve ser modificada de tal forma que
a nova equação seja linear com termos contendo as variáveis
originais. Por exemplo, a função de potência pode
• ser linearizada calculando-se o logaritmo natural (ln) de
ambos os lados:
Unipiaget - MSc. Sténio Uquete 20
LINEARIZAÇÃO DE EQUAÇÕES NÃO LINEARES
Unipiaget - MSc. Sténio Uquete 21
LINEARIZAÇÃO DE UMA EQUAÇÃO NÃO LINEAR
Unipiaget - MSc. Sténio Uquete 22
LINEARIZAÇÃO DE UMA EQUAÇÃO NÃO LINEAR
Unipiaget - MSc. Sténio Uquete 23