Unidade III

MATEMTICA APLICADA
Prof. Emanuel Matos
Sumrio
1. Ajuste de Curvas
1.1 Tipos de ajustes de curvas
1.2 Regresso linear
1.3 Qualidade do ajuste na regresso
2. Medidas de Disperso
2.1 Coeficiente de variao
2.2 Correlao entre variveis
2 3 C fi i t d l li 2.3 Coeficiente de correlao linear
1 Ajuste de Curvas
um mtodo que consiste em encontrar
uma curva que se ajuste a uma
srie de pontos.
Existem vrios mtodos para realizar
esse ajuste, como o mtodo dos
mnimos quadrados, o mtodo da
mxima verossimilhana e o mtodo do
mximo coeficiente de correlao linear.
1 Ajuste de Curvas
A escolha do mtodo deve levar em
considerao o modelo matemtico de
ajuste de curvas, tais como: ajuste linear
simples, ajuste linear mltiplo, ajuste
exponencial, ajuste geomtrico, ajuste
hiperblico entre outros hiperblico, entre outros.
Navalha de Occam
1 Ajuste de Curvas
Essa nuvem de pontos conhecida
como grfico de disperso. H inmeras
maneiras de se encontrar a reta que mais
se aproxima, inclusive usando uma
rgua, por exemplo.
Contudo, uma maneira simples e de
qualidade o mtodo dos
mnimos quadrados.
1 Ajuste de Curvas
A ideia bsica desse mtodo consiste em
considerar o modelo mais simples de
relacionar duas variveis x e y, que a
equao de uma reta dada pela sentena
y = Ax + B, e que tornar mnima a soma
dos quadrados dos desvios ((d1) + (d2) dos quadrados dos desvios ((d1) + (d2)
+ (d3) + (d4) + ... + (dn)), onde di = yi
(Axi + B).
Tal reta chamada de reta de mnimos
quadrados, cuja equao iremos
determinar determinar.
1 Ajuste de Curvas
A partir dessas distncias, define-se que
D igual a somatria do quadrado
dessas diferenas, isto ,
D(A, B) = (di) = (yi (Axi + B)).
Portanto, temos que:
D(A, B) = (yi Axi B).
1 Ajuste de Curvas
A Os pontos crticos de D so obtidos
resolvendo-se o sistema:
D(A) = 2(yi Axi B)(-xi) = 0
D(B) = 2(yi Axi B)(-1) = 0
1 Ajuste de Curvas
O mtodo dos mnimos quadrados,
basicamente, consiste em obter-se a
curva, dentro de uma famlia de curvas
pr-estabelecidas, que
minimiza esse desvio.
y = Ax + B
1 Ajuste de Curvas - Exemplo
Um comerciante deseja obter uma
equao de demanda para o seu
produto. Ele admite que a quantidade
mdia demandada (y) se relaciona com o
seu preo unitrio (x) por meio de uma
funo do 1 grau y = ax + b funo do 1 grau y = ax + b.
Para estimar essa reta, fixou os preos em
vrios nveis e observou a quantidade
demandada, obtendo os dados a seguir:
1 Ajuste de Curvas - Exemplo
Qual a equao da reta de mnimos
quadrados?
Inicialmente, vamos escrever a seguinte
tabela de dados:
1.1 Tipos de ajustes de curvas
O tipo de ajuste mais simples o ajuste
linear ou regresso linear, que relaciona
duas variveis x e y, e o modelo
matemtico usado a equao
de uma reta:
y = Ax + B, onde A e B so os
parmetros do modelo.
1.1 Tipos de ajustes de curvas
No caso em que precisamos relacionar uma
varivel dependente y com p variveis
independentes, o tipo de ajuste chamado
de ajuste linear mltiplo, representado por:
y = 0 + 1.x1 + 2.x2 + ... + p.xp
onde 0 , 1 , ..., p so os parmetros do
modelo.
Y=3x+4
1.1 Tipos de ajustes de curvas
Quando o modelo usado para o ajuste da
curva no uma reta, e sim uma parbola,
o tipo de ajuste que usamos a regresso
quadrtica dada por:
y = Ax + Bx + C onde A, B e C so os
parmetros do modelo.
Qualquer que seja o tipo de ajuste,
precisamos de mtodos para calcular
esses parmetros e encontrar a soluo.
Dependendo do caso, da quantidade de
variveis e parmetros, o clculo no
to simples e precisamos de recursos
computacionais para
resolver o problema.
Interatividade
Dado o Grfico, qual o valor de b da curva y
= ax +b?
a) -3.3.
b) 3.
c) 2 c) 2.
d) 0.
e) NDA.
1.2 Regresso linear
Em anlise estatstica, a metodologia
que estuda a relao entre diversas
variveis quantitativas ou qualitativas, de
modo que uma varivel pode ser predita
a partir de outra varivel (ou outras
variveis) conhecida como anlise de variveis), conhecida como anlise de
regresso.
1.2 Regresso linear
Em outras palavras, no estamos
querendo apenas analisar a associao
existente entre duas variveis
quantitativas (ou qualitativas), mas
queremos justificar a nossa hiptese a
respeito da provvel relao de causa e respeito da provvel relao de causa e
efeito entre essas variveis, ou seja,
queremos saber se a varivel X depende
da varivel Y.
1.2 Regresso linear
A anlise de regresso usada com a
finalidade de previso. Nesse caso,
queremos prever o valor da varivel X
em funo da varivel Y. Outra finalidade
o de estimar o quanto a varivel Y
influencia ou modifica a varivel X influencia ou modifica a varivel X.
1.2 Regresso linear
O caso mais simples de regresso
quando temos duas variveis e a relao
entre elas pode ser representada por
uma linha reta, que chamamos de
regresso linear simples ou
ajuste linear simples ajuste linear simples.
1.2 Regresso linear
b0 o coeficiente linear, tambm
chamado intercepto, o valor que y
assume quando x for zero.
b1 o coeficiente angular, expressa a
taxa de mudana em y, isto , a
mudana em y quando ocorre a mudana
de uma unidade em x.
1.2 Regresso linear
O ajuste linear mltiplo aplica-se nos
casos em que y uma funo linear de
duas ou mais variveis lineares. Nesse
caso, procura-se calcular os valores de
b0, b1, b2 ,b3, ... , bn tais que a relao
entre eles seja aproximada por uma entre eles seja aproximada por uma
expresso do tipo: y = b0 + b1x1 + b2x2 +
b3x3 + ... + bnxn.
1.2 Regresso linear
No caso do ajuste linear mltiplo, resolver o
sistema de equaes normais resolver o
sistema:
1.2 Regresso linear - Exemplo
Determinar a equao do tipo y = b0 + b1x1
+ b2x2 que melhor se ajusta
tabela a seguir:
1.2 Regra de Cramer Resoluo de
Matrizes
Calcular o Determinante.
Substituir cada coluna por y.
Recalcular cada determinante obtendo
b0,b1 e b2.
1.2 Regresso linear - Polinmio
Quando se trata de um polinmio do 2
grau, dizemos que o ajuste uma
regresso quadrtica.
y = b0 + b1x
1
+ b2x
2
+ b3x
3
+ ... + bnx
n
Para resolver o ajuste polinomial, usamos o Para resolver o ajuste polinomial, usamos o
mtodo do ajuste linear mltiplo, com a
seguinte adaptao:
x1 = x
1
, x2 = x
2
, x3 = x
3
, ... , xn = x
n
1.2 Regresso linear Polinmio -
Exemplo
Ajustar os pontos da tabela a uma
expresso do tipo y = b0 + b1x + b2 x.
1.3 Qualidade do ajuste na
regresso
A qualidade de um ajuste linear pode ser
verificada em funo do coeficiente de
determinao R, dado por:
R = proporo da variabilidade de y que
explicada pelo modelo (reta de
regresso).
Se R = 0,90 significa que 90% da
variao em y pode ser explicada pela
equao obtida. Quanto mais prximo o
coeficiente de determinao estiver de 1,
melhor ser o ajuste.
1.3 Qualidade do ajuste na
regresso
A regresso padro o instrumento mais
poderoso quando a varivel
independente, X, numrica. J a anlise
da varincia adequada quando a
varivel independente um conjunto de
categorias no ordenadas categorias no ordenadas.
1.3 Qualidade do ajuste na
regresso Exemplo
Utilizando os dados da
Interatividade temos :
Parteacima y x ^y ParteAbaixo y
0 2 0.60 0.36 0
3 3 2.54 0.21 3
5 4 4.49 0.26 5
8 6 8.37 0.14 8
0.97 34
1 0.03
R^2= 0.97
Interatividade
Dada a tabela:
x y
1 0
3 3
4 5
6 8
Podemos afirmar que o R
2
:
a) 1.
b) 0.
c) Maior que 1. c) Maior que 1.
d) Menor que 0.
e) NDA.
2 Medidas de Disperso
Medidas de disperso so medidas
usadas para nos dizer o quanto os
valores analisados esto distantes
(dispersos) do valor real. A mais comum
a mdia. Na realidade, a mdia uma
medida de tendncia central e o seu medida de tendncia central, e o seu
valor calculado por meio da soma dos
valores dados, dividida pelo
nmero de dados.
2 Medidas de Disperso
Em determinadas anlises, ela no
suficiente, pois podemos ter dois grupos
distintos com uma disperso diferente e
mesmo assim o valor da mdia ser igual.
Por exemplo, os dados observados do
grupo A = 3 3 3 e os dados do grupo B = grupo A = 3,3,3 e os dados do grupo B =
1,3,5. A mdia nos dois grupos a
mesma e igual a 3, mas a variao dos
dados observados no grupo A
diferente da variao observada no
grupo B. grupo B.
2 Medidas de Disperso
Nesse caso, alm de usar a medida de
tendncia, aconselhvel usar medidas
de disperso para uma anlise mais
completa. As mais usadas so a
varincia e o desvio padro.
A varincia a soma dos quadrados
dividida pelo nmero de observaes do
grupo menos 1. E o desvio padro a
raiz quadrada da varincia.
2 Medidas de Disperso
Quanto menor for o valor da varincia,
mais prximo da mdia estaro os dados
observados, em contrapartida, quanto
mais variao existir entre os dados
observados, maior ser o desvio padro.
2 Medidas de Disperso Desvio
Padro
Propriedades do desvio padro:
a) somando-se (ou subtraindo-se) uma
constante a todos os valores de uma
varivel, o desvio padro no se altera;
b) multiplicando-se (ou dividindo-se) todos b) multiplicando se (ou dividindo se) todos
os valores de uma varivel por uma
constante (diferente de zero), o desvio
padro fica multiplicado (ou dividido) por
essa constante.
2 Medidas de Disperso Desvio
Padro - Exemplo

x y
1 0
3 3
4 5
6 8 6 8
2.1 Coeficiente de variao
O coeficiente de variao usado para
analisar e caracterizar a disperso dos
dados observados com relao ao seu
valor mdio, isto , o coeficiente de
variao a razo entre o desvio padro
e a mdia dos dados observados e a mdia dos dados observados.
Coeficiente de variao = (desvio padro
/ mdia) x 100.
2.1 Coeficiente de variao -
Exemplo
Tomemos os resultados das estaturas e
dos pesos de um mesmo grupo de
indivduos:
Discriminao Mdia DesvioPadro
Estaturascm 175 5.0
Pesos Kg 68 2 0
Qual das medidas (estatura ou peso)
possui maior homogeneidade?
Coeficiente de variao = (desvio padro
/ mdia) x 100
Pesos Kg 68 2.0
2.1 Coeficiente de variao -
Exemplo
Tabela:
Qual das medidas (estatura ou peso)
possui maior homogeneidade?
Discriminao Mdia DesvioPadro
Estaturascm 175 5.0
PesosKg 68 2.0
possui maior homogeneidade?
Teremos que calcular o coeficiente de
variao da estatura e o do peso. O
resultado menor ser o de maior
homogeneidade (menor disperso ou
variabilidade) variabilidade).
Coeficiente de Variao da estatura =
(5 / 175 ) x 100 = 2,85 %.
Coeficiente de Variao do peso =
(2 / 68 ) x 100 = 2,94 %.
Interatividade
Dado o Grfico, qual o valor do
Coeficiente de Variao de y?
x y
2 0
3 3
4 5
Lembrete: Coeficiente de variao = (desvio
padro / mdia) x 100.
a) 13%.
5 8
b) 53%.
c) 73%.
d) 83%.
e) NDA.
2.2 Correlao entre variveis
Para analisar como os valores entre duas
variveis esto relacionados, podemos
observar um diagrama de disperso ou
analisar os resultados por meio
de uma equao.
2.2 Correlao entre variveis
A partir da anlise do diagrama de
disperso, podemos verificar se a
correlao entre as duas variveis :
linear positiva, os pontos do diagrama
tm como imagem uma reta ascendente;
linear negativa, os pontos tm como
imagem uma reta descendente;
no linear, os pontos tm como imagem
uma curva;
no h relao os pontos no do ideia no h relao, os pontos no do ideia
de uma imagem definida.
2.3 Coeficiente de correlao linear
Proposto por Karl Pearson, o coeficiente
de correlao (ou r de Pearson)
usado para obter a medida da
correlao linear.
Ele indica o grau de intensidade da
correlao entre duas variveis e o
sentido dessa correlao, isto , se a
correlao positiva ou negativa.
Os valores limites de r so -1 e +1.
2.3 Coeficiente de correlao linear
Positiva
r = +1 (correlao linear positiva).
2.3 Coeficiente de correlao linear
No Relacionada
r = 0 (Os pontos no esto
correlacionados);
2.3 Coeficiente de correlao linear
No Relacionada
r = -1 (correlao linear negativa).
2.3 Coeficiente de correlao linear
Exemplo 1
Qual tipo de correlao existe neste
grfico?
2.3 Coeficiente de correlao linear
Exemplo 1
Qual tipo de correlao existe neste
grfico?
Decrescente (negativo) Decrescente (negativo).
2.3 Coeficiente de correlao linear
Exemplo 2
Qual tipo de correlao existe neste
grfico?
2.3 Coeficiente de correlao linear
Exemplo 2
Qual tipo de correlao existe neste
grfico?
No relacionados.
2.3 Coeficiente de correlao linear
Exemplo 3
Qual tipo de correlao existe neste
tabela?
x y
2 1 2 1
4 2
5 3
8 4
2.3 Coeficiente de correlao linear
Exemplo 3
Qual tipo de correlao existe
neste tabela?
Plotamos um grfico e calculamos a
regresso linear.
Positiva, crescente
Interatividade
Dado o grfico qual tipo de correlao
mais se aproxima?
a) Linear Positiva.
b) Linear Negativa.
c) Linear No relacionada.
d) No Linear.
e) NDA.
AT A PRXIMA!