You are on page 1of 9

AJUSTE DE CURVAS

Ajuste de Curvas um conjunto de tcnicas numricas que tem como objetivo ajustar curvas a um conjunto de dados para se obter estimativas intermedirias. As tcnicas comumente utilizadas so: Regresso: aplicada nos casos dos dados possurem erros significativos. A curva obtida no intercepta, necessariamente, todos os pontos. Interpolao: aplicada nos casos dos dados serem bastante precisos. A curva obtida deve interceptar todos os pontos.

4.1 REGRESSO
4.1.1.REGRESSO LINEAR
Esse mtodo consiste em determinar uma funo linear que se ajuste aos pares de dados (x1, y1), (x2, y2), ..., (xN, yN): y = a0 + a1 x + e , i = 1,2,3, ..., N. N representa o nmero de pares. Os coeficientes a0 e a1 representam o ponto de interseo e a inclinao da funo, respectivamente. O termo e representa o erro ou resduo, entre o modelo desejado e os dados: 32 (4.1)

e = y a0 a1 x .

(4.2)

Uma estratgia para determinar os coeficientes que melhor se ajustam ao modelo desejado minimizar a soma dos quadrados dos resduos: S = ei2 = ( y i a0 a1 xi ) .
i =1 i =1 N N

(4.3)

Para se determinar os valores de a0 e a1 que melhor se ajustam a reta, diferencia-se a expresso (4.3) em relao a cada coeficiente:
S = 2 ( yi a0 a1 xi ) . a0 S = 2 [( y i a 0 a1 xi )xi ] . a1

(4.4) (4.5)

Igualando as equaes (4.4) e (4.5) a zero, tem-se:

y i a0 a1 x i = 0 .
yi x i a0 xi a1 xi2 = 0 .
a1 = N xi y i xi y i N xi2 ( xi )
2

(4.6) (4.7)

Resolvendo o sistema formado por essas duas ltimas expresses, obtm-se: (4.8)

a0 = y a1 x ,
sendo x e y mdias de x e y, respectivamente.

(4.9)

4.1.2.REGRESSO QUADRTICA
Uma regresso quadrtica consiste em determinar um polinmio de segundo grau que se ajuste aos dados disponveis. Tem-se ento:
y = a0 + a1 x + a2 x 2 + e .

(4.10)

O erro ou resduo entre o modelo desejado e os dados obtido por:


e = y a0 a1 x a2 x 2 .

(4.11)

Utilizando a mesma estratgia adotada anteriormente, obtm-se: S = ei2 = yi a0 a1 xi a2 xi2 .


i =1 i =1 N N

(4.12)

Diferenciando, tem-se: 33

S = 2 yi a0 a1 xi a2 xi2 . a0

(4.13)

S = 2 xi y i a 0 a1 xi a 2 xi2 . a1

(4.14) (4.15)

S = 2 xi2 y i a 0 a1 xi a 2 xi2 . a1

Igualando a zero:

(N )a0 + ( xi )a1 + ( xi2 )a 2 = yi

(4.16)
i i 2 i

( x )a + ( x )a + ( x )a = y x ( x )a + ( x )a + ( x )a = y x
i 0 2 i 1 3 i 2 2 i 0 3 i 1 4 i 2 i

(4.17) , i = 1, 2, ..., N. (4.18)

4.2 INTERPOLAO
A equao geral que define um polinmio da forma:
f ( x ) = a0 + a1 x + a2 x 2 + ... + a N x N .

(4.19)

Embora para n+1 pontos exista apenas um polinmio de ordem n que intercepte todos os pontos, existe uma grande variedade de formas de expressar esse polinmio. As duas tcnicas comumente utilizadas so: interpolao linear e quadrtica.

4.2.1.INTERPOLAO LINEAR
A maneira mais simples de interpolao conectar dois pontos atravs de uma reta, ou seja:
f1 ( x ) = f ( x0 ) + f ( x1 ) f ( x0 ) (x x0 ) . x1 x0

(4.20)

Em geral, quanto menor o intervalo entre os pontos interpolados, melhor a preciso.

34

4.2.2. INTERPOLAO QUADRTICA


A interpolao quadrtica consiste em encontrar os coeficientes da seguinte expresso: f 2 ( x ) = b0 + b1 ( x x0 ) + b2 ( x x0 )( x x1 ) . Expandido essa equao:
f 2 ( x ) = b0 + b1 x b1 x0 + b2 x 2 + b2 x0 x1 b2 xx0 b2 xx1 .

(4.21)

(4.22)

Comparando a equao (4.22) com a equao (4.19) tem-se:


f 2 ( x ) = a2 x 2 + a1 x + a0 .

(4.23) (4.24) (4.25) (4.26)

a0 = b0 b1 x0 + b2 x0 x1 . a1 = b1 b2 x0 b2 x1 .

a 2 = b2 .
Os coeficientes bs so obtidos por: b0 = f ( x0 ) .

(4.27) (4.28)

b1 =

f ( x1 ) f ( x0 ) . x1 x0

f ( x 2 ) f ( x1 ) f ( x1 ) f ( x0 ) x 2 x1 x1 x0 b2 = . x 2 x0

(4.29)

4.3 AVALIAO DOS MTODOS


A avaliao dos mtodos de regresso foi feita com os dados mostrados na tabela 4.1. O desempenho dos mtodos apresentado nas tabelas 4.2 e 4.3 e figuras 4.1 e 4.2.

35

Tabela 4.1. Dados para regresso.


i 1 2 3 4 5 6 7 8 9 10 xi 1 3 5 7 10 12 13 16 18 20 yi 4 5 6 5 8 7 6 9 12 11

Tabela 4.2. Regresso linear (a0 = 3,3888; a1 =0,3725).


i 1 2 3 4 5 6 7 8 9 10 xi 1 3 5 7 10 12 13 16 18 20 yi 4 5 6 5 8 7 6 9 12 11 ei2 e i2 0,0570 0,2438 0,5606 0,9925 0,7854 0,7374 4,9784 0,1216 3,6339 0,0260 12,1367

36

Figura 4.1. Dados e sua funo de regresso linear. Tabela 4.3. Regresso quadrtica (a0 = 4,4442; a1 = 0,0662; a2 =0,0146)
i 1 2 3 4 5 6 7 8 9 10 xi 1 3 5 7 10 12 13 16 18 20 yi 4 5 6 5 8 7 6 9 12 11 ei
2

e i2 0,2756 0,0509 0,7383 0,3897 2,0479 0,1191 3,1579 0,0618 2,6379 0,3847 9,8637

37

Figura 4.2. Dados e sua funo de regresso quadrtica. A avaliao dos mtodos de interpolao foi feita com os dados mostrados na tabela 4.4, os quais so provenientes da funo f ( x ) = log x . O desempenho dos mtodos apresentado nas tabelas 4.5 e 4.6 e figuras 4.3 e 4.4. Tabela 4.4. Dados para interpolao.
i 1 2 3 4 5 6 xi 1 2 3 4 5 6 yi 0 0,6931 1,0986 1,3863 1,6094 1,7918

Tabela 4.5. Interpolao linear.


x0 1 1 1 1 x1 3 4 5 6 f(2) 0,5493 0,4621 0,4024 0,3584 erro (%) 20,75 33,33 41,94 48,29

38

Figura 4.3. Interpolao linear. Tabela 4.6. Interpolao quadrtica.


x0 1 1 1 1 1 1 x1 3 3 3 4 4 5 x2 4 5 6 5 6 6 f(2) 0,6365 0,6228 0,6130 0,5816 0,5658 0,5344 erro (%) 8,17 10,15 11,57 16,10 18,37 22,90

39

Figura 4.4. Interpolao quadrtica. Nos exemplos apresentados de regresso utilizou-se a soma do quadrado dos erros para avaliar o erro obtido no ajuste. Quanto menor o erro, melhor o ajuste. Ao se interpolar dados deve-se, sempre que possvel, utilizar pontos prximos daquele que se deseja estimar. Com esse procedimento, diminui-se o erro local, o qual diretamente proporcional ao produto da diferena entre os pontos utilizados.

40

You might also like