Baixe o app para aproveitar ainda mais
Prévia do material em texto
Ajuste de Curvas Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Programa 1. Introdução a) Caso Discreto 2. Método dos Quadrados Mínimos 3. Caso Não-Linear Ajuste de Curvas Introdução Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Introdução No capítulo anterior vimos uma forma de trabalhar com uma função definida por uma tabela: a interpolação polinomial Nem sempre a interpolação é aconselhável: Quando se quer aproximar um valor da função fora do intervalo de tabelamento (extrapolação). Quando os valores são medidas experimentais com erros. Nesse caso, a função deve passar pela barra de erros e não pelos pontos. Introdução Graficamente, a extrapolação e o ajuste por barras de erros são vistos abaixo: xexf )( x )(xf x xf Curva ajustada Curva extrapolada Barra de erros Introdução É necessário então ajustar essas funções tabeladas por uma função que seja uma “boa aproximação” e que nos permita “extrapolar” com certa margem de segurança Devemos então aproximar f(x) por outra função x), escolhida de uma família de funções ou por uma soma de funções em duas situações distintas: Caso discreto: quando a função f é dada por uma tabela de valores Caso contínuo: quando a função f é dada por sua forma analítica Introdução Caso discreto: Caso contínuo: Introdução – Caso Discreto Dados os pontos em um intervalo [a,b], devemos escolher funções , e constantes tais que a função se aproxime de Este modelo é dito linear pois os coeficientes a determinar aparecem linearmente Note que as funções podem ser funções não-lineares, como por exemplo )(,,......,)(,,)(, 2211 mm xfxxfxxfx )(,.......,)(,)( 21 xgxgxg n n ,.......,, 21 )(...)()()( 2211 xgxgxgx nn )(xf n ,.......,, 21 )(,.......,)(,)( 21 xgxgxg n .......,1)(,)( 221 xxgexg x Introdução – Caso Discreto Problema 1 Como escolher as funções ? Podemos escolher as funções observando os pontos tabelados (diagrama de dispersão) ou a partir de conhecimentos teóricos do experimento Assim, dada uma tabela de pontos , devemos, primeiramente, colocar esses pontos em um gráfico cartesiano, o que vai nos permitir visualizar a curva que melhor se ajusta aos dados )(,...,)(,)( 21 xgxgxg n )(,,......,)(,,)(, 2211 mm xfxxfxxfx )(,.......,)(,)( 21 xgxgxg n Introdução – Caso Discreto Exemplo: Dada a tabela: Devemos construir o diagrama de dispersão x -1,0 -0,75 -0,6 -0,5 -0,3 0 0,2 0,4 0,5 0,7 1,0 f(x) 2,05 1,153 0,45 0,4 0,5 0 0,2 0,6 0,512 1,2 2,05 Introdução – Caso Discreto – Diagrama de Dispersão Introdução – Caso Discreto Escolhemos a partir da forma dos pontos no diagrama de dispersão Procuramos a função que se aproxime ao máximo de e que tenha a forma parábola passando pela origem Problema 2: Qual o valor de gera melhor ajuste da parábola? 2 1 )( xxg )(xf 211 )()( xxgx Introdução – Caso Discreto Uma vez escolhidas as funções g1(x), g2(x), ..., gn(x), temos de estabelecer o conceito de proximidade entre as funções (x) e f(x) para obter as constantes 1, 2, 3, …, n Uma possibilidade é impor que o desvio entre f(x) e (x), ou seja, dk = (f(xk) - ϕ(xk)) seja mínimo para todos os pontos (k =1, 2, ...., m) Existem varias formas de impor que os desvios sejam mínimos. Estudaremos o Método dos Quadrados Mínimos Ajuste de Curvas Método dos Quadrados Mínimos Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Método dos Quadrados Mínimos Método dos Quadrados Mínimos - Consiste em escolher os j’s de modo que a soma dos quadrados dos desvios seja mínima deve ser mínimo m k kk m k k xxf 1 2 1 2 ))()((d Recapitulando, no caso discreto temos o tabelamento dos pontos como entrada do problema Dadas as funções , escolhidas de alguma forma, nosso objetivo então é encontrar os coeficientes tais que a função Se aproxime ao máximo de f(x) )(,...,,)(,,)(, 2211 mm xfxxfxxfx )(,.......,)(,)( 21 xgxgxg n n ,.......,, 21 Método dos Quadrados Mínimos )(...)()()( 2211 xgxgxgx nn Seja o desvio em : Se a soma dos quadrados dos desvios é mínima, cada desvio será pequeno. Assim, j’s devem ser tais que minimizem a função Se a aproximação (x) for perfeita somatório acima será nulo, que é o que acontece na interpolação )()( kkk xxf d m k kk m k k xxf 1 2 1 2 ))()((d )()( kkk xxf d m k kkn xxf 1 2 21 )]()([),,( F kx Método dos Quadrados Mínimos Para obter um ponto mínimo devemos encontrar os números críticos, ou seja, valores para os j’s tais que as n derivadas parciais se anulem simultaneamente onde nj n j 2,1,0 ),,,( 21 F m k kkn xxf 1 2 21 )]()([),,,( F Método dos Quadrados Mínimos m k knnkkk xgxgxgxf 1 2 2211 )]()()()([ Calculando as derivadas parciais para cada um dos j’s temos: m k kknnkkk xgxgxgxgxf n 1 12211 ),,,(1 )]()][()()()([2 21 F Método dos Quadrados Mínimos m k kknnkkk xgxgxgxgxf n 1 22211 ),,,(2 )]()][()()()([2 21 F m k knknnkkk n xgxgxgxgxf n 1 2211 ),,,( )]()][()()()([2 21 F Igualando a zero, temos: 0)]()][()()()([ 1 12211 m k kknnkkk xgxgxgxgxf Método dos Quadrados Mínimos 0)]()][()()()([ 1 2211 m k knknnkkk xgxgxgxgxf 0)]()][()()()([ 1 22211 m k kknnkkk xgxgxgxgxf Ou seja, temos um sistema linear a resolver: 0)]()][()()()([ 0)]()][()()()([ 0)]()][()()()([ 1 2211 1 22211 1 12211 m k knknnkkk m k kknnkkk m k kknnkkk xgxgxgxgxf xgxgxgxgxf xgxgxgxgxf Método dos Quadrados Mínimos Reescrevendo o sistema Sistema linear com n equações e com n incógnitas (1, 2, 3, ..., n) m k knk m k nknkn m k knk m k kk m k nkkn m k kk m k kk m k nkkn m k kk xgxfxgxgxgxg xgxfxgxgxgxg xgxfxgxgxgxg 111 11 1 2 1 2 1 121 1 1 1 1 1 111 )()()]()([)]()([ )()()]()([)]()([ )()()]()([)]()([ Método dos Quadrados Mínimos O sistema linear pode ser reescrito na forma matricial A = b: onde A = (aij) tal que ou seja, A é uma matriz simétrica, e é tal que nnnnnn nn nn baaa baaa baaa ... ... ... 2211 22222121 11212111 jiki m k kjkj m k kiij axgxgxgxga )()()()( 11 tn ]...,,,[ 21 t nbbbb ]...,,,[ 21 m k kiki xgxfb 1 )()( Método dos Quadrados Mínimos Método dos Quadrados Mínimos – Passo a Passo O funcionamento do Método dos Quadrados Mínimos pode ser dividido em 4 passos: Passo 1: Depois de escolhida a função ajuste (x) identificar nela as funções auxiliares g(x) tal que (x) seja do tipo: Passo 2: Montar o sistema de equações. O numero de equações do sistema é igual ao numero de funções auxiliares gi(x) ( igual ao numero de incógnitas i ) )(...)()()( 2211 xgxgxgx nn Método dos Quadrados Mínimos – Passo a Passo Passo 2: No caso da reta teremos um sistema com 2 equações: No caso de uma parábola teremos um sistema com 3 equações: exgxx 1)()( 121 xxg )(2 2 1 2 1 2221 1211 b b aa aa 2321)( xxx 2 321 )()(,1)( xxgexxgxg 3 2 1 3 2 1 333231 232221 131211 b b b aaa aaa aaa Método dos Quadrados Mínimos – Passo a Passo Passo 2: No caso de uma exponencial simples teremos um sistema com 1 equação: Passo 3: Calcular os coeficientes aij e bi do passo 2. Esses coeficientes são definidos pelos seguintes somatórios e após seu calculo obteremos números número de pontos experimentais xex 1)( xexg )(1 1111 ba jikj m k kiij axgxga )()( 1 m k kiki xgxfb 1 )()( Método dos Quadrados Mínimos – Passo a Passo Passo 4: Reescrever o sistema de equações do passo 2 (agora os aij e bi são números) e resolvê-lo, por exemplo, utilizando o método de eliminação de Gauss ou algum método iterativo (Gauss-Jacobi ou Gauss-Seidel). Exemplo: Encontre a reta de quadrados mínimos que melhor se ajusta aos pontos (2, 1), (5, 2), (7, 3), (8, 3). Calculemos para Solução: Nesse caso temos o que resulta em termos Para encontrarmos 1 e 2, resolveremos o sistema de 2 equações abaixo: . )(e1)( 21 xxgxg xxxf 21)()( . )(e1)( 21 xxgxg 2 1 2 1 2221 1211 b b aa aa Método dos Quadrados Mínimos - Retas Exemplo: Encontre a reta de quadrados mínimos que melhor se ajusta aos pontos (2, 1), (5, 2), (7, 3), (8, 3). Calculemos para Solução: Escrevendo o sistema em termos dos aij e bi, ficamos assim: . )(e1)( 21 xxgxg 4 1 22 4 1 221 4 1 21 4 1 12 4 1 121 4 1 11 )()()()()()( )()()()()()( k kk k kk k kk k kk k kk k kk xgxfxgxgxgxg xgxfxgxgxgxg Método dos Quadrados Mínimos - Retas Exemplo: Encontre a reta de quadrados mínimos que melhor se ajusta aos pontos (2, 1), (5, 2), (7, 3), (8, 3). Calculemos para Solução: Calculando os termos da primeira equação: = 1 = xk = 1 = 1 4 1 22222 1 4 1 11 41111)()()( k k k kk xgxgxg 913131211)()( 4 1 1 k kk xgxf 2218171512)()( 4 1 12 k kk xgxg . )(e1)( 21 xxgxg Método dos Quadrados Mínimos - Retas Exemplo: Encontre a reta de quadrados mínimos que melhor se ajusta aos pontos (2, 1), (5, 2), (7, 3), (8, 3). Calculemos para Solução: Calculando os termos da segunda equação: = 1 = xk = xk = xk = xk 5738372512)()( 4 1 2 k kk xgxf 1428752)()()( 22224 1 2 2 4 1 22 k k k kk xgxgxg 2281715121)()( 4 1 21 k kk xgxg . )(e1)( 21 xxgxg Método dos Quadrados Mínimos - Retas Exemplo: Encontre a reta de quadrados mínimos que melhor se ajusta aos pontos (2, 1), (5, 2), (7, 3), (8, 3). Calculemos para Solução: Logo, chegamos ao seguinte sistema de equações: Resolvendo o sistema acima pela Eliminação de Gauss chegamos à solução: . )(e1)( 21 xxgxg 57 9 14222 224 5714222 9224 2 1 21 21 T 14 5 7 2 Método dos Quadrados Mínimos - Retas Exemplo: Encontre a reta de quadrados mínimos que melhor se ajusta aos pontos (2, 1), (5, 2), (7, 3), (8, 3). Calculemos para Solução: Substituindo os valores encontrados na equação original: O caso em que a curva f é ajustada a uma reta é chamado de Regressão Linear. . )(e1)( 21 xxgxg xxxf 21)()( xxxf 14 5 7 2)()( Método dos Quadrados Mínimos - Retas Método dos Quadrados Mínimos - Retas Exemplo: Ajuste os dados abaixo pelo método dos quadrados mínimos utilizando uma parábola do tipo Solução: Para encontrarmos 1, 2 e 3 resolveremos o sistema de 3 equações a seguir: 2 321 2 321 )()(,1)()( xxgexxgxgxxx x 1 2 3 4 5 6 7 8 f(x) 0,5 0,6 0,9 0,8 1,2 1,5 1,7 2,0 3 2 1 3 2 1 333231 232221 131211 b b b aaa aaa aaa Método dos Quadrados Mínimos – Parábolas Exemplo: Ajuste os dados abaixo pelo método dos quadrados mínimos utilizando uma parábola do tipo Escrevendo o sistema em termos dos aij e bi, temos: 2 321 2 321 )()(,1)()( xxgexxgxgxxx x 1 2 3 4 5 6 7 8 f(x) 0,5 0,6 0,9 0,8 1,2 1,5 1,7 2,0 8 1 33 8 1 332 8 1 321 8 1 31 8 1 23 8 1 232 8 1 221 8 1 21 8 1 13 8 1 132 8 1 121 8 1 11 )()()()()()()()( )()()()()()()()( )()()()()()()()( k kk k kk k kk k kk k kk k kk k kk k kk k kk k kk k kk k kk xgxfxgxgxgxgxgxg xgxfxgxgxgxgxgxg xgxfxgxgxgxgxgxg Método dos Quadrados Mínimos – Parábolas 9,2 1 0,2 1 7,1 1 5,1 1 1,2 1 8,0 1 9,0 1 6,0 1 5,0)()( 8 1 1 k kk xgxf 361817 161514131211)()( 8 1 12 k kk xgxg 2041817 161514131211)()( 22 222222 8 1 13 k kk xgxg 8 1 222222222 1 8 1 11 811111111)()()( k k k kk xgxgxg Calculando os termos da primeira equação: = 1 = xk = 1 = xk2 = 1 = 1 Método dos Quadrados Mínimos – Parábolas 368171 615141312111)()( 8 1 21 k kk xgxg 20487 654321)()()( 22 222222 8 1 2 2 8 1 22 k k k kk xgxgxg 50,5 8 0,2 7 7,1 6 5,1 5 1,2 4 8,0 3 9,0 2 6,0 1 5,0)()( 8 1 2 k kk xgxf 12968877 665544332211)()( 22 222222 8 1 23 k kk xgxg Calculando os termos da segunda equação: = 1 = xk = xk = xk = xk2 = xk = xk Método dos Quadrados Mínimos – Parábolas 2048171 615141312111)()( 22 222222 8 1 31 k kk xgxg 12968877 665544332211)()( 22 222222 8 1 32 k kk xgxg 319,1 8 0,2 7 7,1 6 5,1 5 1,2 4 8,0 3 9,0 2 6,0 1 5,0)()( 222 22222 8 1 3 k kk xgxf 877287 654321)()()( 44 444444 8 1 2 3 8 1 33 k k k kk xgxgxg Calculando os termos da terceira equação: = 1 = xk2 = xk = xk2 = xk2 = xk2 = xk2 Método dos Quadrados Mínimos – Parábolas Logo, chegamos ao seguinte sistema de equações: Resolvendo o sistema acima pela Eliminação de Gauss chegamos à solução: 1,31987721296204 5,50129620436 2,9204368 321 321 321 T0,01550,07740,4071 1,319 5,50 2,9 87721296204 129620436 204368 3 2 1 Método dos Quadrados Mínimos – Parábolas Exemplo: Ajuste os dados abaixo pelo método dos quadrados mínimos utilizando uma parábola do tipo Solução: Substituindo os valores encontrados na equação original: 2 321 2 321 )()(,1)()( xxgexxgxgxxx x 1 2 3 4 5 6 7 8 f(x) 0,5 0,6 0,9 0,8 1,2 1,5 1,7 2,0 2 321)()( xxxxf 20155,00774,04071,0)()( xxxxf Método dos Quadrados Mínimos – Parábolas Método dos Quadrados Mínimos – Parábolas Voltando ao nosso primeiro exemplo… Encontre a parábola através dos quadrados mínimos que melhor se ajusta aos pontos da tabela Solução: Nesse caso, podemos fazer o ajuste por uma parábola da forma . Todavia, vimos pelo diagrama de dispersão que uma parábola que passa pela origem seria também uma boa escolha, ou seja , com Para encontrarmos 1, basta resolvermos a equação . x -1,0 -0,75 -0,6 -0,5 -0,3 0 0,2 0,4 0,5 0,7 1,0 f(x) 2,05 1,153 0,45 0,4 0,5 0 0,2 0,6 0,512 1,2 2,05 2 321)()( xxxxf 2 1)( xx . )( 21 xxg 1111 ba Método dos Quadrados Mínimos – Parábolas Montando os termos da equação: Calculando os termos: 11 1 1 11 1 111 )()()]()([ k kk k kk xgxfxgxg 8464,2)1()7,0()5,0()4,0()2,0( )0()3,0()5,0()6,0()75,0()0,1()( 44444 444444 11 1 4 k kx Método dos Quadrados Mínimos – Parábolas 11 1 2 1 11 1 4 )()()( k kk k k xfxx 2111 1 11 11 1 2 1 )()()()( kk k kk k k xxgcomoxgxfxg Calculando os termos: Substituindo na equação original, temos 8756,505,2)1(2,1)7,0( 512,0)5,0(6,0)4,0(2,0)2,0(0)0( 5,0)3,0(4,0)5,0(45,0)6,0( 153,1)75,0(05,2)0,1()()( 22 2222 222 22 11 1 2 k kk xfx 2 11 0642,2)(0642,28756,58464,2 xx Método dos Quadrados Mínimos – Parábolas Comentários: Note que a parábola pela origem que melhor ajusta os pontos fornecidos, através Método dos Quadrados Mínimos, é dada por Uma parábola da forma permitiria um melhor ajuste dos pontos, entretanto seria necessária a resolução de um sistema 3x3, o que aumentaria o tempo de processamento 20642,2)( xx 2 321)( xxx Método dos Quadrados Mínimos – Parábolas Exercício: Ajuste os dados abaixo pelo método dos quadrados mínimos utilizando uma parábola do tipo Resposta: 2 321 2 321 )()(,1)()( xxgexxgxgxxx x 0 1 2 3 4 f(x) 27 42 60 87 127 Método dos Quadrados Mínimos – Parábolas 221,464,703,28)( xxx 3097 931 343 35410030 1003010 30105 3 2 1 21,4 64,7 03,28 Ajuste de Curvas Caso Não-Linear Prof. Wellington Passos de Paula wpassos@ufsj.edu.br Caso Não-Linear Em alguns casos, a família de funções escolhidas pode não ser linear nos parâmetros Ex: Função exponencial do tipo , sendo 1 e 2 positivos Para aplicar o Método dos Quadrados Mínimos torna-se necessário o uso de alguma transformação linear Ex: . Se e que é um problema linear nos parâmetros b1 e b2 xaexxf 21)()( xyzey xa 211 )ln()ln(2 )ln( 11 b )()ln( 2122 xxbbyb Caso Não-Linear Aplicamos então o Método dos Quadrados Mínimos na resolução do problema linearizado. Utilizamos então os valores encontrados para calcular os parâmetros originais Observação: Os parâmetros 1 e 2 não serão ótimos dentro do critério dos quadrados mínimos, pois vamos aplicar o método ao problema linearizado e não ao problema original Caso Não-Linear Exemplo: Suponhamos que em um laboratório obtivemos experimentalmente os seguintes valores para f(x) sobre os pontos xi, i = 1, 2, ..., 8 Fazendo diagrama de dispersão dos dados x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 f(x) 36,547 17,264 8,155 3,852 1,820 0,860 0,406 0,246 Caso Não-Linear O gráfico de dispersão nos sugere um ajuste xexy 21)( Caso Não-Linear Como vimos, a linearização a ser feita é Logo, ajustaremos por quadrados mínimos, encontrando , onde . Assim, temos: )()ln()ln()ln( 211 2 xxeyz xa )ln( yz xbbx 21)( eb )ln( 11 22 b x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 Solução: Montando o sistema linear. Utilizando (caso linear) e lembrando que b1 e b2 serão a solução desse sistema: 8 1 22 8 1 221 8 1 21 8 1 12 8 1 121 8 1 11 )()()()()()( )()()()()()( k kk k kk k kk k kk k kk k kk xgxzbxgxgbxgxg xgxzbxgxgbxgxg Caso Não-Linear x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 xxgxg )(e1)( 21 Solução: Calculando os termos da primeira equação: = 1 = xk = 1 = 1 8 1 2 1 8 1 11 8)()()( k k k kk xgxgxg 041,8)()( 8 1 1 k kk xgxz 3,0)()( 8 1 12 k kk xgxg Caso Não-Linear x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 Solução: Calculando os termos da segunda equação: = 1 = xk = xk = xk = xk 646,8)()( 8 1 2 k kk xgxz 59,3)()( 8 1 22 k kk xgxg 3,0)()( 8 1 21 k kk xgxg Caso Não-Linear x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 Solução: Logo, chegamos ao seguinte sistema de equações: Resolvendo o sistema acima pela Eliminação de Gauss chegamos à solução: 646.8 041,8 59,33,0 3,08 646,859,33,0 041,83,08 2 1 21 21 b b bb bb Tb 5,2099,1 Caso Não-Linear x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 Solução: Agora, Assim, a função Caso Não-Linear x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 5,2 001,3)ln( 222 099,1 1111 1 b eeb b xx eex 5,21 001,3)( 2 Existem outras situações em que será preciso fazer a linearização da curva ajustada aos pontos do diagrama de dispersão: Hipérbole: Curva Exponencial: Curva Trigonométrica: Caso Não-Linear )(1 21 x xy xyz 21 1 )(21 xy x ))()ln()ln()ln(,0( 2121 xxbbxyzyse 1b 2b )()cos(21 xwxy ttwxt 21)()cos( Teste de Alinhamento Há uma maneira simples de averiguar se a curva de ajuste foi ou não bem escolhida: Nos m pontos experimentais {(x1,y1), ..., (xm,ym)}, calcular as correspondentes trocas de variáveis Por exemplo, Fazer o diagrama de dispersão desses novos dados (z, x) Verificar o alinhamento dos pontos miyz i 1,ln1 x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 y 36,547 17,264 8,155 3,852 1,820 0,860 0,406 0.246 x -1,0 -0,7 -0,4 -0,1 0,2 0,5 0,8 1,0 z = ln(y) 3,599 2,849 2,099 1,349 0,599 -0,151 -0,901 -1,402 Teste de Alinhamento Exercício: O número de bactérias, por unidade de volume, existente em uma cultura após x horas é dado na tabela abaixo: a) Ajuste os dados acima à curva pelo método dos quadrados mínimos. Resposta: b) Quantas horas seriam necessárias para que o número de bactérias por unidade de volume ultrapasse 2000? Resposta: 11,64 hrs Caso Não-Linear x 0 1 2 3 4 5 6 y 32 47 65 92 132 190 275 xey 21 xeyxy 355,0104,32355,0469,3ln
Compartilhar