Baixe o app para aproveitar ainda mais
Prévia do material em texto
Ca´lculo Nume´rico Me´todo dos Mı´nimos Quadrados Heder S. Bernardino Heder S. Bernardino Ca´lculo Nume´rico Suma´rio 1 Aulas Anteriores 2 Introduc¸a˜o 3 Me´todo dos Mı´nimos Quadrados 4 Caso Discreto 5 Revisa˜o Heder S. Bernardino Ca´lculo Nume´rico Aulas Anteriores Aulas Anteriores Heder S. Bernardino Ca´lculo Nume´rico Aulas Anteriores Aulas Anteriores ◮ Interpolac¸a˜o Polinomial ◮ Encontrar Pn(x) que interpole os n+ 1 pontos dados ◮ Soluc¸a˜o u´nica se os pontos forem distintos ◮ Pode ser determinado resolvendo um sistema de equac¸o˜es lineares ◮ Forma de Lagrange ◮ Forma de Newton Heder S. Bernardino Ca´lculo Nume´rico Aulas Anteriores Aulas Anteriores ◮ Erro na interpolac¸a˜o En(z) = (z − x0) . . . (z − xn) f (n+1)(c) (n+ 1)! ◮ Um limitante superior para o erro e´ dado por |En(z)| ≤ |z − x0| . . . |z − xn| (n+ 1)! max c∈[a,b] |f (n+1)(c)| Heder S. Bernardino Ca´lculo Nume´rico Introduc¸a˜o Introduc¸a˜o Heder S. Bernardino Ca´lculo Nume´rico Introduc¸a˜o Introduc¸a˜o ◮ Foram estudadas formas de encontrar Pn(x) que interpole os n+ 1 pontos dados ◮ Entretanto, a Interpolac¸a˜o Polinomial na˜o e´ aconselha´vel quando ◮ Precisa-se obter uma aproximac¸a˜o para valores fora dos pontos tabelados ◮ Quando se quer extrapolar ◮ Os dados utilizados na determinac¸a˜o do modelo aproximado podem conter erros ◮ Experimentos, pesquisas, etc ◮ Surge enta˜o a necessidade de obter modelos que sejam uma “boa aproximac¸a˜o” dos dados tabelados e que permitam extrapolar com certa margem de seguranc¸a Heder S. Bernardino Ca´lculo Nume´rico Introduc¸a˜o Introduc¸a˜o ◮ O Me´todo dos Mı´nimos Quadrados e´ amplamente adotado nessas situac¸o˜es ◮ Dois casos sa˜o considerados ◮ Discreto ◮ Pares (xi, yi), i = 1, . . . ,m, obtidos experimentalmente sa˜o utilizados para determinar a relac¸a˜o entre as varia´veis ◮ Cont´ınuo ◮ Seja f(x) uma func¸a˜o conhecida em um intervalo [a, b], enta˜o deseja-se encontrar uma func¸a˜o g(x) que se aproxime ao ma´ximo de f(x) nesse intervalo Heder S. Bernardino Ca´lculo Nume´rico Introduc¸a˜o Introduc¸a˜o Interpolac¸a˜o Mı´nimos Quadrados Heder S. Bernardino Ca´lculo Nume´rico Introduc¸a˜o Introduc¸a˜o ◮ Para ilustrar a ideia ◮ Considere um experimento para determinar a constante de uma mola ◮ A Lei de Hooke indica que o deslocamento de uma mola e´ “proporcional” a` forc¸a nela aplicada F = kx ◮ Va´rios experimentos sa˜o enta˜o realizados medindo forc¸as aplicadas a` mola e seus respectivos deslocamentos Heder S. Bernardino Ca´lculo Nume´rico Introduc¸a˜o Introduc¸a˜o ◮ Como obter a reta que “melhor” aproxime os dados experimentais? ◮ Nota-se que a inclinac¸a˜o da reta fornece a constante k da mola Heder S. Bernardino Ca´lculo Nume´rico Me´todo dos M´ınimos Quadrados Me´todo dos M´ınimos Quadrados Heder S. Bernardino Ca´lculo Nume´rico Me´todo dos M´ınimos Quadrados Me´todo dos M´ınimos Quadrados ◮ Seja f(x) como a func¸a˜o que se quer aproximar por uma func¸a˜o g(x) ◮ A expressa˜o anal´ıtica de f(x) nem sempre e´ conhecida ◮ A informac¸a˜o pode vir de dados experimentais ◮ Valores yi, i = 1, . . . ,m ◮ No Me´todo dos Mı´nimos Quadrados, a forma da func¸a˜o g(x) deve ser indicada a priori ◮ Pode ser uma reta: g(x) = c0 + c1x ◮ Pode ser uma para´bola: g(x) = c0 + c1x+ c2x 2 ◮ Pode assumir diversas outras formas Heder S. Bernardino Ca´lculo Nume´rico Me´todo dos M´ınimos Quadrados Me´todo dos M´ınimos Quadrados ◮ E´ considerado inicialmente o caso em que a func¸a˜o g(x) e´ uma combinac¸a˜o linear de func¸o˜es de base φ g(x) = c0φ0(x) + c1φ1(x) + · · ·+ cnφn(x) ◮ A forma de g(x) e´ definida pelas func¸o˜es φi(x) escolhidas ◮ As func¸o˜es de base sa˜o definidas a priori ◮ Esse tipo de func¸a˜o e´ chamada de modelo matema´tico linear pois os coeficientes a determinar, c0, c1, . . . , cn, aparecem linearmente ◮ Embora as func¸o˜es φi(x) possam ser func¸o˜es na˜o lineares de x ◮ No caso em que g(x) e´ uma para´bola, enta˜o φ0(x) = 1, φ1(x) = x, φ2(x) = x 2 ⇒ g(x) = c0φ0(x) + c1φ1(x) + c2φ2(x) ⇒ g(x) = c0 + c1x+ c2x 2 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Caso Discreto Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Dados os pares (x1, y1), (x2, y2), . . . , (xm, ym) ◮ Deseja-se determinar a func¸a˜o g(x) que “melhor aproxime” esses dados ◮ Lembrando que g(x) e´ (inicialmente) definida como combinac¸a˜o linear de func¸o˜es φi(x), i = 0, 1, . . . , n ◮ O caso na˜o linear sera´ futuramente abordado ◮ O problema envolve enta˜o a determinac¸a˜o de c0, c1, . . . , cn que definam uma func¸a˜o g(x) que seja uma “melhor aproximac¸a˜o” dos dados fornecidos Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Para ilustrar a ideia, suponha que os seguintes dados sa˜o obtidos experimentalmente xi 0,3 2,7 4,5 5,9 7,8 yi 1,8 1,9 3,1 3,9 3,3 ◮ Esses pontos sa˜o representados no gra´fico que segue Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Pode-se assumir que haja uma relac¸a˜o linear entre x e y ◮ Polinoˆmios interpoladores lineares podem ser determinados escolhendo 2 pontos da tabela, ou seja, g(x) = c0 + c1x ◮ Para (0,3; 1,8) e (7,8; 3,3) ◮ g1(x) = 1,8 + (x− 0,3) 3,3−1,8 7,8−0,3 = 1,74 + 0,2x Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Pode-se assumir que haja uma relac¸a˜o linear entre x e y ◮ Polinoˆmios interpoladores lineares podem ser determinados escolhendo 2 pontos da tabela, ou seja, g(x) = c0 + c1x ◮ Para (2,7; 1,9) e (5,9; 3,9) ◮ g2(x) = 1,9 + (x− 2,7) 3,9−1,9 5,9−2,7 = 0,2125 + 0,625x Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Qual a “melhor aproximac¸a˜o” em relac¸a˜o a todos os pontos? ◮ Como determinar a qualidade de um modelo? ◮ O res´ıduo em relac¸a˜o a um ponto (xi, yi) pode ser definido como r(xi, c0, c1, . . . , cn) = yi − g(xi) = yi − [c0φ0(xi) + c1φ1(xi) + · · ·+ cnφn(xi)] ◮ Nota-se que o res´ıduo r e´ uma func¸a˜o dos coeficientes do modelo ◮ Para determinar g1 e g2 alguns dados foram desprezados Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto r(xi, c0, c1, . . . , cn) = yi − g(xi) = yi − [c0φ0(xi) + c1φ1(xi) + · · ·+ cnφn(xi)] ◮ Uma forma de calcular a qualidade dos modelos e´ somar os res´ıduos ao quadrado E(c0, c1, . . . , cn) = m∑ i=1 r2(xi, c0, c1, . . . , cn) = m∑ i=1 (yi − g(xi)) 2 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Considerando o modelo g(x) do exemplo, enta˜o E(c0, c1, . . . , cn) = m∑ i=1 r2(xi, c0, c1, . . . , cn) = m∑ i=1 (yi − g(xi)) 2 E(c0, c1) = m∑ i=1 [yi − (c0 + c1x)] 2 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Para g1(x) = 1,74 + 0,2x, tem-se que i xi yi g(xi) r 2 i 1 0,3 1,8 1,8 0 2 2,7 1,9 2,78 0,144 3 4,5 3,1 2,64 0,2116 4 5,9 3,9 2,94 0,9604 5 7,8 3,3 3,3 0 E(1,74; 0,2) = 1,316 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ Para g2(x) = 0,2125 + 0,625x, tem-se que i xi yi g(xi) r 2 i 1 0,3 1,8 0,4 1,96 2 2,7 1,9 1,9 0 3 4,5 3,1 3,025 0,0056 4 5,9 3,9 3,9 0 5 7,8 3,3 2,275 1,051 E(0,2125; 0,625) = 3,0166 ◮ Logo, segundo esse crite´rio, g1 e´ melhor do que g2 ◮ Como determinar os coeficientesdo modelo de modo que E seja m´ınimo? Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Caso Discreto ◮ O Me´todo dos Mı´nimos Quadrados consiste em determinar os paraˆmetros c0, c1, . . . , cn que minimizem E ◮ Introduzindo a notac¸a˜o de produto interno como <p; q> = m∑ i=1 piqi ◮ Enta˜o a soma dos res´ıduos ao quadrado pode ser escrito como E(c0, c1, . . . , cn) = m∑ i=1 (yi − g(xi)) 2 = m∑ i=1 r2(xi, c0, c1, . . . , cn) = <r; r> Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Regressa˜o Linear ◮ Na regressa˜o linear, dada uma tabela de dados (xi, yi), i = 1, . . . ,m, deseja-se encontrar a reta que melhor se ajusta aos dados no crite´rio dos m´ınimos quadrados ◮ Como o ajuste sera´ feito por uma reta temos que φ0(x) = 1 e φ1(x) = x⇒ g(x) = c0 + c1x ◮ Pelo me´todo dos m´ınimos quadrados devemos encontrar c0 e c1 que minimizem a func¸a˜o E(c0, c1) = <r; r> = m∑ i=1 (yi − g(xi)) 2 = m∑ i=1 (yi − c0 − c1xi) 2 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Regressa˜o Linear ◮ Usando o Ca´lculo Diferencial, sabe-se que o ponto cr´ıtico de E(c0, c1) e´ aquele em que as derivadas se anulam, ou seja, ∂E(c0, c1) ∂c0 = 0 ∂E(c0, c1) ∂c1 = 0 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Regressa˜o Linear ◮ Inicialmente, tem-se que ∂E(c0, c1) ∂c0 = 0⇒ ∂ ∂c0 [ m∑ i=1 (yi − c0 − c1xi) 2 ] = 0 ⇒ −2 [ m∑ i=1 (yi − c0 − c1xi) ] = 0 ◮ Ale´m disso, ∂E(c0, c1) ∂c1 = 0⇒ ∂ ∂c1 [ m∑ i=1 (yi − c0 − c1xi) 2 ] = 0 ⇒ −2 [ m∑ i=1 (yi − c0 − c1xi) (xi) ] = 0 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Regressa˜o Linear ◮ Manipulando a primeira expressa˜o, obte´m-se −2 [ m∑ i=1 (yi − c0 − c1xi) ] = 0⇒ m∑ i=1 (yi − c0 − c1xi) = 0 ⇒ m∑ i=1 yi − m∑ i=1 (c0 + c1xi) = 0 ⇒ m∑ i=1 (c0 + c1xi) = m∑ i=1 yi ⇒ m∑ i=1 c0 + m∑ i=1 c1xi = m∑ i=1 yi ⇒ c0m+ c1 m∑ i=1 xi = m∑ i=1 yi Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Regressa˜o Linear ◮ Manipulando a segunda expressa˜o, enta˜o −2 [ m∑ i=1 (yi − c0 − c1xi) (xi) ] = 0⇒ m∑ i=1 (yi − c0 − c1xi) (xi) = 0 ⇒ m∑ i=1 xiyi − m∑ i=1 ( c0xi + c1x 2 i ) = 0 ⇒ m∑ i=1 ( c0xi + c1x 2 i ) = m∑ i=1 xiyi ⇒ m∑ i=1 c0xi + m∑ i=1 c1x 2 i = m∑ i=1 xiyi ⇒ c0 m∑ i=1 xi + c1 m∑ i=1 x2i = m∑ i=1 xiyi Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Me´todo dos M´ınimos Quadrados – Regressa˜o Linear ◮ Logo, para que E seja m´ınimo, c0 e c1 devem ser determinados de modo que c0m+ c1 m∑ i=1 xi = m∑ i=1 yi c0 m∑ i=1 xi + c1 m∑ i=1 x2i = m∑ i=1 xiyi ◮ Ou seja, o sistema de equac¸o˜es lineares m m∑ i=1 xi m∑ i=1 xi m∑ i=1 x2i [ c0 c1 ] = m∑ i=1 yi m∑ i=1 xiyi deve ser resolvido para determinar c0 e c1 Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Exemplo ◮ Exemplo 1 Utilizando o Me´todo dos Mı´nimos Quadrados, encontre a reta que melhor se ajuste aos dados da tabela que segue. xi 0 0,25 0,5 0,75 1 yi 1 1,2840 1,6487 2,1170 2,7183 ◮ Soluc¸a˜o: ◮ Primeiro determina-se o sistema linear 5c0 + 2,5c1 = 8,768 2,5c0 + 1,875c1 = 5,4514 ◮ Resolvendo o sistema obte´m-se c0 = 0,89968 e c1 = 1,70784 ◮ Assim, g(x) = 0,89968 + 1,70784x Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Exemplo ◮ Exemplo 1 Utilizando o Me´todo dos Mı´nimos Quadrados, encontre a reta que melhor se ajuste aos dados da tabela que segue. xi 0 0,25 0,5 0,75 1 yi 1 1,2840 1,6487 2,1170 2,7183 ◮ Soluc¸a˜o: g(x) = 0,89968 + 1,70784x Heder S. Bernardino Ca´lculo Nume´rico Caso Discreto Exemplo ◮ Exemplo 2 Utilizando o Me´todo dos Mı´nimos Quadrados, encontre a reta que melhor se ajuste aos dados da tabela que segue. xi 0,3 2,7 4,5 5,9 7,8 yi 1,8 1,9 3,1 3,9 3,3 ◮ Soluc¸a˜o: g(x) = 1,6560 + 0,2698x; E(1,6560; 0,2698) = 0,9289 Heder S. Bernardino Ca´lculo Nume´rico Revisa˜o Revisa˜o Heder S. Bernardino Ca´lculo Nume´rico Revisa˜o Revisa˜o ◮ Me´todo dos Mı´nimos Quadrados ◮ Assume que os dados podem conter erros ◮ Possibilita extrapolac¸a˜o ◮ Forma deve ser definida a priori ◮ Caso discreto ◮ Modelo que minimiza a soma das discrepaˆncias ao quadrado ◮ Regressa˜o Linear c0m+ c1 m∑ i=1 xi = m∑ i=1 yi c0 m∑ i=1 xi + c1 m∑ i=1 x2i = m∑ i=1 xiyi Heder S. Bernardino Ca´lculo Nume´rico Revisa˜o Du´vidas? Heder S. Bernardino Ca´lculo Nume´rico Aulas Anteriores Introdução Método dos Mínimos Quadrados Caso Discreto Revisão
Compartilhar