Академический Документы
Профессиональный Документы
Культура Документы
Consideremos uma coleção de pares ordenados obtidos em função de algum experimento, como:
X x1 x2 x3 x4 x5 ... xn-1 xn
Y y1 y2 y3 y4 y5 ... yn-1 yn
A colocação destes pares ordenados num plano cartesiano, depende dos valores de xi e yi, (i=1..n) e pode fornecer um
gráfico como:
Um fato que atrai pesquisadores aplicados das mais diversas áreas é a possibilidade de obter uma função real que passe nos
pontos ou pelo menos passe próximo dos pontos (xi,yi) dados.
Estudando uma Matemática mais aprofundada existe a Teoria de Interpolação que é a área que estuda tais processos
para obter funções que passam exatamente pelos pontos dados, enquanto que a Teoria de Aproximação estuda
processos para obter funções que passem o mais próximo possível dos pontos dados.
É óbvio que se pudermos obter funções que passem próximas dos pontos dados e que tenham uma expressão fácil de ser
manipulada, teremos obtido algo positivo e de valor científico.
Dentre os processos matemáticos que resolvem tal problema, com certeza, um dos mais utilizados é o Método dos
Mínimos Quadrados, que serve para gerar o que se chama em Estatística: Regressão Linear ou Ajuste Linear.
3 y = ao + a1 x + a2 x2 + a3 x3 Cúbica
4 y = ao + a1 x + a2 x2 + a3 x3 + a4 x4 Quártica
A idéia básica para qualquer uma das funções acima citadas é tentar descobrir quais são os valores dos coeficientes ao, a1,
a2 e a3, de tal modo que a soma dos quadrados das distâncias (tomadas na vertical) da referida curva y=f(x) a cada um dos
pontos dados (yi) seja a menor possível, daí o nome Método dos Mínimos Quadrados.
Para obter tais coeficientes, deve-se conhecer conceitos de Derivadas Parciais, a Teoria de Máximos e Mínimos de funções
de várias variáveis e as características de formas quadráticas positivas definidas de funções de várias variáveis envolvidas
com o Teorema de Sylvester. Tais teoremas são normalmente encontrados em bons livros de Álgebra Linear e Cálculo
Avançado.
Para não nos perdermos em considerações teóricas, apresentarei aqui as fórmulas para a obtenção da Regressão Linear
para a Reta, a Parábola e a Cúbica.
http://www.interaula.com/matweb/superior/mmq/mmq.htm 30/09/2010
Metodo dos Minimos Quadrados Página 2 de 5
Se está interessado em aprender o "processo", fique atento às mudanças que ocorrem quando passamos
Observação da reta para a parábola e da parábola para a cúbica. Não construirei o processo para a quártica mas julgo
que você saberá construí-lo com o material apresentado.
Para obter a reta dos mínimos quadrados, basta resolver o sistema de equações com 2 equações e 2 incógnitas ao e a1 :
ao n + a1 SX = SY
ao SX + a1 SX2 = SXY
n SX ao SY
. =
SX SX2 a1 SXY
Para resolver este sistema, existem vários métodos, mas a Regra de Cramer dá uma resposta rápida para os coeficientes:
Para obter a parábola de melhor ajuste, basta resolver o sistema com as 3 incógnitas ao, a1 e a2:
ao n + a1 SX + a2 SX2 = SY
ao SX + a1 SX2 + a2 SX3 = SXY
ao SX2 + a1 SX3 + a2 SX4 = SX2Y
n SX SX2 ao SY
SX SX2 SX3 . a1 = SXY
SX2 SX3 SX4 a2 SX2Y
Observação Encontre as diferenças entre este sistema e o sistema obtido no caso anterior da reta.
Como todos os termos da primeira matriz (matriz dos coeficientes) e da última matriz (matriz das constantes) são
conhecidos, fica fácil resolver o sistema pelo processo de inverter a primeira delas e multiplicar pela última para obter os
coeficientes ao, a1 e a2 .
http://www.interaula.com/matweb/superior/mmq/mmq.htm 30/09/2010
Metodo dos Minimos Quadrados Página 3 de 5
Para obter a cúbica dos mínimos quadrados resolve-se o sistema de equações com 4 equações e 4 incógnitas ao, a1, a2 e a3,
colocado na forma matricial:
n SX SX2 SX3 ao SY
SX SX2 SX3 SX4 a1 SXY
. =
SX2 SX3 SX4 SX5 a2 SX2Y
SX3 SX4 SX5 SX6 a3 SX3Y
Como os termos da primeira e última matrizes são conhecidos, pode-se resolver o sistema invertendo a primeira matriz e
multiplicando pela última.
Observe novamente as diferenças entre o sistema obtido para a cúbica e os sistemas obtidos nos casos da
Observação reta e da parábola. De posse de tais informações, você estaria capacitado a produzir a curva quártica de
melhor ajuste dos mínimos quadrados apenas com o material apresentando aqui?
É possível estender o método para a construção de uma superfície de melhor ajuste no espaço tridimensional.
Agora estudaremos uma situação no espaço R3 onde é conhecido um conjunto de pontos (ternos) dados por:
C = { (xi, yi, zi) : i=1,2,3,...,n }
z = f(x,y) = a + b x + c y + d x2 + e xy + f y2
Esta função S é não negativa e diferenciável, assim podemos garantir que o ponto de mínimo para S ocorrerá quando o
gradiente da função S for nulo, isto é, quando:
Sa = Sb = Sc = Sd = Se = Sf = 0
o que equivale a:
Sa = 2 Soma (z-zi).(1) = 0
Sb = 2 Soma (z-zi).(xi) = 0
Sc = 2 Soma (z-zi).(yi) = 0
Sd = 2 Soma (z-zi).(xi2) = 0
Se = 2 Soma (z-zi).(xiyi) = 0
Sf = 2 Soma (z-zi).(yi2) = 0
A notação Sm usada significa a derivada parcial da função S em relação à variável m, onde m pode ser a,b,c,d,e ou f.
Temos aqui um sistema com 6 equações e 6 incógnitas, que pode ser reescrito como:
http://www.interaula.com/matweb/superior/mmq/mmq.htm 30/09/2010
Metodo dos Minimos Quadrados Página 4 de 5
Passando as constantes para o segundo membro da igualdade de cada equação, teremos o sistema com 6 equações e 6
incógnitas:
onde
Em qualquer uma delas, deve-se montar a planilha como a que aparece abaixo, dando uma forte ênfase na última linha que
é a mais importante e que contem as somas necessárias à montagem do sistema.
ABC D E F G H I J K L M N O P Q R S T
1 x y z x2 x y y2 x2y xy2 x3y x3 y3 x2y x4 x2y2 xy3 zx zy zx2 zxy zy2
2
3
4
...
n
n+1
Soma
Após a construção da tabela acima, deve-se construir uma segunda tabela com a matriz aumentada do sistema. Nesta nova
tabela aparecerão todas as somas calculadas na tabela anterior (indicadas na linha em amarelo) e pode-se observar que a
nova matriz será simétrica:
Na sequência, deve-se obter a inversa da matriz dos coeficientes e multiplicá-la pela matriz das constantes para obter uma
matriz com 6x1, que é exatamente a matriz dos coeficientes procurados:
a ...
b ...
c ...
=
d ...
e ...
http://www.interaula.com/matweb/superior/mmq/mmq.htm 30/09/2010
Metodo dos Minimos Quadrados Página 5 de 5
f ...
X 30 30 30 30 10 10 10 10 4 4 4 4 1 1 1 1
Y 1,5 2 3 5 1,5 2 3 5 1,5 2 3 5 1,5 2 3 5
Z 73 41,2 18,4 6,8 43,5 23,7 10,5 3,9 26,7 15 6,8 2,2 13,5 7 3,7 1,5
z = a + b x + c y + d x2 + e xy + f y2
que se ajustasse aos dados. Como a soma dos quadrados dos erros ficou muito grande, alterei a estratégia de análise.
Observei que os dados x e z eram grandes em relação aos dados y, assim, tomei os logaritmos naturais dos dados x e z e
refiz todas as operações e obtive um ajuste muito bom!
mas como eu usei Ln(x) e Ln(z), respectivamente nos lugares de x e z, então a forma que resolve o problema com grande
precisão é:
Ln(z) = -0,08519 + 0,069359 Ln(x) + 0,349672 y -0,0096 (Ln(x))2 -0,01209 y.Ln(x) + 0,000927 y2
Para obter o valor de z, basta calcular a exponencial de Ln(z) uma vez que a função exponencial é a inversa da função
logaritmo natural.
http://www.interaula.com/matweb/superior/mmq/mmq.htm 30/09/2010