32

4
4
A
AJ JU US ST TE E D DE E C CU UR RV VA AS S
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):
e x a a y + + =
1 0
, i = 1,2,3, ..., N. (4.1)
N representa o nmero de pares.
Os coeficientes
0
a e
1
a 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:
33
x a a y e
1 0
= . (4.2)
Uma estratgia para determinar os coeficientes que melhor se ajustam ao
modelo desejado minimizar a soma dos quadrados dos resduos:
( )
2
1
1 0
1
2

= =
= =
N
i
i i
N
i
i
x a a y e S .
(4.3)
Para se determinar os valores de
0
a e
1
a que melhor se ajustam a reta,
diferencia-se a expresso (4.3) em relao a cada coeficiente:
( )

i i
x a a y
a
S
1 0
0
2 .
(4.4)
( ) [ ]

i i i
x x a a y
a
S
1 0
1
2 .
(4.5)
Igualando as equaes (4.4) e (4.5) a zero, tem-se:

= 0
i 1 0 i
x a a y .
(4.6)

= 0
2
i 1 i 0 i i
x a x a x y .
(4.7)
Resolvendo o sistema formado por essas duas ltimas expresses, obtm-se:
( )

=
2
2
1
i i
i i i i
x x N
y x y x N
a
(4.8)
x a y a
1 0
= ,
(4.9)
sendo x e y mdias de x e y, respectivamente.
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:
e x a x a a y + + + =
2
2 1 0
.
(4.10)
O erro ou resduo entre o modelo desejado e os dados obtido por:
2
2 1 0
x a x a a y e = .
(4.11)
Utilizando a mesma estratgia adotada anteriormente, obtm-se:
( )
2
1
2
2 1 0
1
2

= =
= =
N
i
i i i
N
i
i
x a x a a y e S .
(4.12)
Diferenciando, tem-se:
34
( )

2
2 1 0
0
2
i i i
x a x a a y
a
S
.
(4.13)
( )

2
2 1 0
1
2
i i i i
x a x a a y x
a
S
.
(4.14)
( )

2
2 1 0
2
1
2
i i i i
x a x a a y x
a
S
.
(4.15)
Igualando a zero:
( ) ( ) ( )

= + +
i i i
y a x a x a N
2
2
1 0

(4.16)
( ) ( ) ( )

= + +
i i i i i
x y a x a x a x
2
3
1
2
0

(4.17)
( ) ( ) ( )

= + +
2
2
4
1
3
0
2
i i i i i
x y a x a x a x , i = 1, 2, ..., N.
(4.18)
4.2 INTERPOLAO
A equao geral que define um polinmio da forma:
( )
N
N
x a ... x a x a a x f + + + + =
2
2 1 0
.
(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:
( ) ( )
( ) ( )
( )
0
0 1
0 1
0 1
x x
x x
x f x f
x f x f

+ = .
(4.20)
Em geral, quanto menor o intervalo entre os pontos interpolados, melhor a
preciso.
35
4.2.2. INTERPOLAO QUADRTICA
A interpolao quadrtica consiste em encontrar os coeficientes da seguinte
expresso:
( ) ( ) ( )( )
1 0 2 0 1 0 2
x x x x b x x b b x f + + = . (4.21)
Expandido essa equao:
( )
1 2 0 2 1 0 2
2
2 0 1 1 0 2
xx b xx b x x b x b x b x b b x f + + + = .
(4.22)
Comparando a equao (4.22) com a equao (4.19) tem-se:
( )
0 1
2
2 2
a x a x a x f + + = .
(4.23)
1 0 2 0 1 0 0
x x b x b b a + = . (4.24)
1 2 0 2 1 1
x b x b b a = . (4.25)
2 2
b a = . (4.26)
Os coeficientes bs so obtidos por:
( )
0 0
x f b = . (4.27)
( ) ( )
0 1
0 1
1
x x
x f x f
b

= .
(4.28)
( ) ( ) ( ) ( )
0 2
0 1
0 1
1 2
1 2
2
x x
x x
x f x f
x x
x f x f
b

= .
(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.
36
Tabela 4.1. Dados para regresso.
i xi yi
1 1 4
2 3 5
3 5 6
4 7 5
5 10 8
6 12 7
7 13 6
8 16 9
9 18 12
10 20 11
Tabela 4.2. Regresso linear (a0 = 3,3888; a1 =0,3725).
i xi yi ei
2

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

37


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 xi yi ei
2

1 1 4 0,2756
2 3 5 0,0509
3 5 6 0,7383
4 7 5 0,3897
5 10 8 2,0479
6 12 7 0,1191
7 13 6 3,1579
8 16 9 0,0618
9 18 12 2,6379
10 20 11 0,3847
ei
2
9,8637
38


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 ( ) x log x f = .
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 xi yi
1 1 0
2 2 0,6931
3 3 1,0986
4 4 1,3863
5 5 1,6094
6 6 1,7918
Tabela 4.5. Interpolao linear.
x0 x1 f(2) erro (%)
1 3 0,5493 20,75
1 4 0,4621 33,33
1 5 0,4024 41,94
1 6 0,3584 48,29
39

Figura 4.3. Interpolao linear.
Tabela 4.6. Interpolao quadrtica.
x0 x1 x2 f(2) erro (%)
1 3 4 0,6365 8,17
1 3 5 0,6228 10,15
1 3 6 0,6130 11,57
1 4 5 0,5816 16,10
1 4 6 0,5658 18,37
1 5 6 0,5344 22,90



40

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.