Baixe o app para aproveitar ainda mais
Prévia do material em texto
Website: https://unyleya.edu.br/, UNYEAD EDUCACIONAL S.A. ; CNPJ. 24.531.339/0001-82, End.: Rua do Carmo, nº 66, Bairro Centro, Rio de Janeiro/RJ, CEP.: 20011-020, BRASIL Faculdade Unyleya - Educação à Distância (EaD) Curso de Pós-Graduação em Georreferenciamento de Imóveis Rurais Avaliação 3 - Prática Aluno David Salomão Pinto Castanho Bizarro, Matrícula nº 1148652 Disciplina Ajustamento de Observações Data de entrega 01/02/2023 Professor Luís Antônio dos Santos Tipo de prova Prática Curso Georreferenciamento de Imóveis Rurais Turma 2022/23 Nota ATENÇÃO: A avaliação deverá estar entregue de acordo com as normas da ABNT. Referências DOS SANTOS, Luís A.; Ajustamento de Observações. Pós-Graduação em Georreferenciamento de Imóveis Rurais, Faculdade UnyLeya, Brasília-DF, 2022. Tarefa Após o estudo da Unidade 3 e com os dados da tabela abaixo, calcule: a) MMQ. b) Regressão linear. Ponto X Y 1 3 9 2 12 12 3 9 7,5 4 15 1,5 Bom trabalho! Para aplicação do Método dos Mínimos Quadrados foi escolhida uma função polinomial de 3º grau e para encontro dos parâmetros foi utilizada a forma matricial usando o Script 12 presente na apostila da disciplina de Ajustamento de Observações (páginas 78 a 79), estabelecendo a matriz de coeficientes (coefs) e o vetor dos termos independentes (ys) para encontro do vetor das incógnitas (m), e cuja solução exata foi respondida para as incógnitas da seguinte forma: a=42.75; b= -17.2291(6); c=2.25; d= -0.08564815; para o polinômio y(x)=a+b*x+c*x^2+d*x^3, respectivamente (gráfico e resolução pelo sistema estatístico R). Website: https://unyleya.edu.br/, UNYEAD EDUCACIONAL S.A. ; CNPJ. 24.531.339/0001-82, End.: Rua do Carmo, nº 66, Bairro Centro, Rio de Janeiro/RJ, CEP.: 20011-020, BRASIL Na aplicação da regressão linear foi escolhido o método tradicional de cálculo analitíco para encontro dos parâmetros, tendo sido usado o Script 7 demonstrado na apostila da disciplina de Ajustamento de Obsevações (páginas 48 a 49), calculando os parâmetros de variância e covariância (sqxx, sqyy e sqxy) para obtenção das incógnitas seguintes: a= -0,40; b=11,4; correspondentes da reta de regressão y(x)=a+b*x, respectivamente (gráfico e resolução pelo sistema estatístico R). Relativamente ao cálculo do coeficiente de determinação (R2) enquanto medida estatística que cuida de expressar quanto a linha de regressão ajustada está próxima dos dados, o resultado atingiu {0.2153846} que se traduz na classificação de fraca no ajuste. Palavras-chave: Sistema Estatístico R; Método dos Mínimos Quadrados; Regressão Linear. R Console Page 1 R version 4.2.2 (2022-10-31 ucrt) -- "Innocent and Trusting" Copyright (C) 2022 The R Foundation for Statistical Computing Platform: x86_64-w64-mingw32/x64 (64-bit) R is free software and comes with ABSOLUTELY NO WARRANTY. You are welcome to redistribute it under certain conditions. Type 'license()' or 'licence()' for distribution details. R is a collaborative project with many contributors. Type 'contributors()' for more information and 'citation()' on how to cite R or R packages in publications. Type 'demo()' for some demos, 'help()' for on-line help, or 'help.start()' for an HTML browser interface to help. Type 'q()' to quit R. [Previously saved workspace restored] > x<-c(3,12,9,15) > x [1] 3 12 9 15 > y<-c(9,12,7.5,1.5) > y [1] 9.0 12.0 7.5 1.5 > nx<-length(x) > nx [1] 4 > ny<-length(y) > ny [1] 4 > sx<-sum(x) > sx [1] 39 > sy<-sum(y) > sy [1] 30 > sxx<-sum(x^2) > sxx [1] 459 > syy<-sum(y^2) > syy [1] 283.5 > sxy<-sum(x*y) > sxy [1] 261 > sqxy<-sxy-(sx*sy)/ny > sqxy [1] -31.5 > sqxx<-sxx-(sx*sx)/nx > sqxx [1] 78.75 > b<-sqxy/sqxx > b [1] -0.4 > a<-(sy/ny)-b*(sx/nx) > a [1] 11.4 > plot(y~x) > modLn<-lm(y~x) > modLn Call: lm(formula = y ~ x) Coefficients: (Intercept) x 11.4 -0.4 > abline(modLn) > sqyy<-syy-(sy*sy)/ny > sqyy [1] 58.5 R Console Page 2 > r2<-(sqxy/sqrt(sqxx*sqyy))^2 > r2 [1] 0.2153846 > coefs<-matrix(c(1,3,3^2,3^3,1,12,12^2,12^3,1,9,9^2,9^3,1,15,15^2,15^3),4,4,byrow=T) > coefs [,1] [,2] [,3] [,4] [1,] 1 3 9 27 [2,] 1 12 144 1728 [3,] 1 9 81 729 [4,] 1 15 225 3375 > ys<-c(9,12,7.5,1.5) > ys [1] 9.0 12.0 7.5 1.5 > coefsT<-t(coefs) > coefsT [,1] [,2] [,3] [,4] [1,] 1 1 1 1 [2,] 3 12 9 15 [3,] 9 144 81 225 [4,] 27 1728 729 3375 > n1<-coefsT%*%coefs > n1 [,1] [,2] [,3] [,4] [1,] 4 39 459 5859 [2,] 39 459 5859 78003 [3,] 459 5859 78003 1067499 [4,] 5859 78003 1067499 14908779 > invn1<-solve(n1) > invn1 [,1] [,2] [,3] [,4] [1,] 58.5000000 -27.68055556 3.36111111 -0.1188271605 [2,] -27.6805556 13.42399691 -1.64737654 0.0585991084 [3,] 3.3611111 -1.64737654 0.20370370 -0.0072873800 [4,] -0.1188272 0.05859911 -0.00728738 0.0002619646 > n2<-coefsT%*%ys > n2 [,1] [1,] 30 [2,] 261 [3,] 2754 [4,] 31509 > m<-invn1%*%n2 > m [,1] [1,] 42.75000000 [2,] -17.22916667 [3,] 2.25000000 [4,] -0.08564815 > solve(coefs,ys) [1] 42.75000000 -17.22916667 2.25000000 -0.08564815 > plot(x, y, xlim=c(min(x), max(x)), ylim=c(min(y), max(y)+10), pch=20) > xx <- seq(min(x), max(x), 0.01) > lines(xx, m[4,1]*xx^3+m[3,1]*xx^2+m[2,1]*xx+m[1,1], col='red', lwd=3, lty=5) > resultados<-matrix(c(9,12,7.5,1.5,a+b*3,a+b*12,a+b*9,a+b*15,m[1,1]*1+m[2,1]*3+m[3,1]*3^2+m[4 + ,1]*3^3,m[1,1]*1+m[2,1]*12+m[3,1]*12^2+m[4,1]*12^3,m[1,1]*1+m[2,1]*9+m[3,1]*9^2+m[4,1]*9^3,m [1 + ,1]*1+m[2,1]*15+m[3,1]*15^2+m[4,1]*15^3),3,4,,byrow=T) > colnames(resultados) <- c("Coord x=3", "Coord x=12", "Coord x=9", "Coord x=15") > rownames(resultados) <- c("pontos_exercicio","regressao_linear","Minimos_quadrados_polinomia + rownames(resultados) <- c("pontos_exercicio","regressao_linear","Minimos_quadrados_polinomia ") Error: unexpected symbol in: "rownames(resultados) <- c("pontos_exercicio","regressao_linear","Minimos_quadrados_polinomia rownames(resultados) <- c("pontos_exercicio" > rownames(resultados) <- c("pontos_exercicio","regressao_linear","Minimos_quadrados_polinomia ") > resultados Coord x=3 Coord x=12 Coord x=9 Coord x=15 pontos_exercicio 9.0 12.0 7.5 1.5 regressao_linear 10.2 6.6 7.8 5.4 Minimos_quadrados_polinomia 9.0 12.0 7.5 1.5 > 4 6 8 10 12 14 2 4 6 8 1 0 1 2 x y 4 6 8 10 12 14 2 4 6 8 1 0 1 2 x y 4 6 8 10 12 14 5 1 0 1 5 2 0 x y 4 6 8 10 12 14 5 1 0 1 5 2 0 x y
Compartilhar