Apresentao sobre:

Marcelo Oliveira
Mestrando em engenharia mecnica
Universidade Federal de Pernambuco

Recife, Junho 2014.

Programa de Ps-Graduao em Engenharia Mecnica
Universidade Federal de Pernambuco
Centro de Tecnologia e Geocincias CTG
Departamento de Engenharia Mecnica - DEMEC
Ajuste de Curvas
Mtodo dos Mnimos Quadrados
Abordagem do trabalho
Introduo
Definio
Objetivo
Motivao
Diagrama de disperso
Tipos de curva
Regresso linear
Mtodo dos mnimos quadrados
Linearizao das funes
Ajustamento de curvas
Qualidade de ajuste
Exemplo

Introduo
Freqentemente possvel observar erros
inerentes experimentais, conseqentes dos
mtodos de medio utilizados.
Funes aproximadas, que passem o mais
prximo dos pontos.
um mtodo que utiliza um conjunto de
tcnicas matemticas que servem para
encontrar uma curva que se ajuste a uma
srie de pontos e que possivelmente cumpra
uma srie de parmetros.
Definio
Linearizando
Objetivo
forma matemtica, por meio do
de uma equao que ligue as
.
Expressar a relao entre duas ou mais
variveis sob forma matemtica, por meio do
estabelecimento de uma equao que ligue as
variveis.
Neste caso, extrapola-se para o futuro as
relaes de causa-efeito, j observadas no
passado, entre variveis.
Motivao
Qual a curva mais adequada?

Conhecendo os dados de consumo anual de carga eltrica de uma
cidade, pode-se fazer projees para o futuro e com isso, fazer-se um
planejamento para que a cidade seja suprida de forma adequada nos
anos subseqentes. A idia ajustar uma curva que melhor se ajusta
aos dados disponveis.
O agricultor pode suspeitar que a quantidade de fertilizante aplicado
tenha influenciado na safra.
Linearizando
Diagrama de disperso
0
1
2
3
4
5
6
7
0 5 10
Y
Tm-se uma coleo de dados que devem ser
relacionados por meio de uma funo y = f(x):
Dependente
(Resposta)
I
n
d
e
p
e
n
d
e
n
t
e

(
e
x
p
l
i
c
a
t
i
v
a
)

Linearizando
Tipos de curvas
Linearizando
Regresso o processo matemtico pelo qual
derivamos os parmetros a e b de uma funo f (x).

Estes parmetros determinam as caractersticas da
funo que relaciona y com x, que no caso do
modelo linear se representa por uma reta chamada de
reta de regresso.

O processo de regresso significa, portanto, que os pontos
plotados no grfico so definidos, modelados ou
regredidos, a uma curva que corresponde menor
distncia possvel entre cada ponto plotado e a curva.
Regresso linear
Linearizando
Regresso Linear Simples: Relaciona uma nica
varivel (y) dependente com uma nica varivel independente
(x), aplicando-se aos dados a equao: y = a + bx

Regresso Linear Mltipla: Relaciona uma nica
varivel (y) dependente com mais de uma varivel
independente (x
1
, x
2
,... X
n
), e aplica-se aos dados a seguinte
frmula:
y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+b
4
x
4
+...+b
n
x
n


Regresso linear- tipos
Temos a equao linear: y = a
0
+ a
1
x + e
Os coeficientes a
0
e a
1
representam o ponto de interseo e a inclinao
da funo, respectivamente. O termo e representa o erro ou resduo,
entre o modelo desejado e os dados.
a
0
e a
1
so os parmetros do modelo que sero estimados, e que definem a
reta de regresso.
Regresso linear simples
Temos a equao linear: y = a + b
1
x
1
+ b
2
x
2
+ b
3
x
3
+b
4
x
4
+...+b
k
x
k

O modelo de regresso linear mltiplo descreve uma relao entre as k variveis
independentes (ou regressores) x
j
, e a varivel dependente y.

Considerando a =
0
e b =
k
, temos que:


y
i
=
0
+
1
x
i1
+
2
x
i2
+ ... +
k
x
ik
+ y
i
=
0
+
j
x
ij
+
Os parmetros j , j = 0, 1, k so os coeficientes de regresso (parciais) e o
erro aleatrio.

O ajustamento deste modelo de regresso, expresso utilizando notao
matricial. devido s dificuldades de clculo no manuseamento do elevado
nmeros de parmetros.
Regresso linear mltipla
O modelo apresentado na equao y
i
=
0
+
j
x
ij
+ um sistema de n equaes que pode
ser representado matricialmente por:
Analogamente regresso linear simples, pretende-se, agora, encontrar o vetor de
estimadores dos mnimos quadrados que minimize a soma dos quadrados do erro.
Fazendo a derivada parcial da expresso acima em relao a :
Regresso linear mltipla
o mtodo matemtico pelo qual se define a curva de regresso. Esse mtodo
definir a curva que minimizar a soma das distncias ao quadrado entre os
pontos plotados (x,y) e os pontos da curva (x,y).









Definio: De todas as curvas que se ajustam a um conjunto de pontos, a que tem a
propriedade de apresentar o mnimo valor de:

d
1
2
+ d
2
2
+ ... + d
n
2



a melhor curva de ajustamento. Se diz que uma curva que apresenta essa propriedade,
ajusta os dados no sentido dos mnimos quadrados, e denominada curva dos mnimos
quadrados.

Mtodo dos mnimos quadrados
O Mtodo dos Quadrados Mnimos aplicado quando se tem um
conjunto de pontos e pretende-se definir a curva que melhor se
ajusta a este. Estudando a relao entre duas variveis, inicialmente o
grfico de dados (diagrama de disperso) plotado, o qual ir fornecer
uma idia de qual a funo aproximada determinada pelos pontos.
Mtodo dos mnimos quadrados

Utilizando o mtodo dos quadrados mnimos para ajustar uma curva aos
dados da populao brasileira entre os anos de 1872 e 1996; com isso
podemos prever qual ser a populao em um ano posterior.

Considere a tabela abaixo da populao brasileira (em milhes):





Vamos ajustar uma curva da forma de um polinmio de segundo grau
y=a+bx+cx onde y denota a populao e x o ano.

De posse da tabela podemos construir um sistema AX=Y, onde:

- Exemplo:
Mtodo dos mnimos quadrados
Logo, a soluo X obtida resolvendo o sistema A
T
AX=A
T
Y cuja soluo :
- Exemplo:
Com os dados poderemos calcular a populao no ano
de 2000 (Previso), calculando: y(2000)=167,9, cujo valor
comparado com os dados oficiais do IBGE que informa que a
populao brasileira era de 169,8 milhes de habitantes.
Difere da real em 1,1%.

A partir desses dados poderemos prever a populao
brasileira no ano de 2010 calculando Y(2010)=197,6 milhes
de habitantes.
Mtodo dos mnimos quadrados
- Exemplo:
Logo a equao:
Y = 46044,8 48,7163x + 0,0129 x
2
Mtodo dos mnimos quadrados
- Exemplo:
Construindo grfico representativo:
Na maioria das vezes, as funes que descrevem os
fenmenos fsicos no so lineares, ou seja, no so funes do
tipo y = a + bx. Tais funes devem ser linearizadas antes de
aplicarmos o Mtodo dos Mnimos Quadrados, a fim de
obtermos o sistema de equaes normais lineares. O
procedimento varia, dependendo do tipo de funo.
Vamos desenvolver o procedimento de linearizao para as
funes exponencial, logartmica, potencial e hiperblica:

EQUAO LINEAR
y = a
o
+ a
1
x
Linearizando
Linearizao de funes
Ajuste Funo
Exponencial y = ae
bx
Logaritmico y = a + b lnx
Potencial y = ax
b
Hiperblico y = a + (b/x)
Linearizando
ln y = ln a + bx
Considerando: ln y = y
ln a = a
o
b = a
1

Temos ento a equao linearizada: y = a
o
+ a
1
x

Observe que esta equao idntica equao da regresso linear, exceto pelo
fato de que a varivel y' calculada pelo logaritmo da varivel y original.
Um ajuste exponencial geralmente emprega uma
funo do tipo: y = a.e
bx

Relaes de
transformao
Linearizao de funes
Linearizando
Considerando: a = a
o
b = a
1
lnx = x


Temos ento a equao linearizada: y = a
o
+ a
1
x

Um ajuste logartmico geralmente emprega uma
funo do tipo: y = a + b lnx
Relaes de
transformao
Linearizao de funes
Linearizando
Considerando: ln y = y
ln a = a
o
b = a
1
lnx = x


Temos ento a equao linearizada: y = a
o
+ a
1
x

Um ajuste potencial geralmente emprega uma
funo do tipo: y = ax
b

ln y = ln a + b lnx
Relaes de
transformao
Linearizao de funes
Linearizando
Considerando: y = y
a = a
o
b = a
1
x = 1/x


Temos ento a equao linearizada: y = a
o
+ a
1
x

Um ajuste hiperblico geralmente emprega uma
funo do tipo: y = a + (b/x)
Relaes de
transformao
Linearizao de funes




A tabela abaixo descreve uma relao entre x e y.
Vamos ajustar aos pontos tabelados as seguintes funes:
Vamos tambm determinar, atravs do
coeficiente de correlao de Pearson,
qual destas funes representa o
melhor ajuste e comparar graficamente
os ajustes realizados.

Exemplo
X 69,7 71,6 76,3 79,6 82,6 84,3 88,6 93,3
Y 882 960 864 900 1032 1104 1200 1188

Exemplo Ajuste Linear
y = a.e
bx
y = a
o
+ a
1
x
Exemplo ajuste exponencial
y = a + b ln x y = a
o
+ a
1
x
Exemplo ajuste logartmico
y = ax
b
y = a
o
+ a
1
x
Exemplo ajuste potencial
y = a + (b/x) y = a
o
+ a
1
x
Exemplo ajuste hiperblico
Grfico comparando ajustes
Coeficiente de correlao de Pearson (r)
O coeficiente de correlao (r): uma medida da fora e direo de uma relao linear
entre duas variveis, obtida pela equao:




A amplitude do coeficiente de correlao : -1 r +1, Onde:
- Se x e y tem uma correlao linear positiva forte, r est prximo de 1.
-Se x e y tem uma correlao linear negativa forte, r est prximo de -1.
- Se no h correlao linear ou correlao linear fraca, r est prximo a zero.

Qualidade do ajuste
Se r est prximo a 0, isso no significa que no h relao entre x e y. Significa somente
que no h relao linear.
Qualidade do ajuste
Coeficiente de Determinao (r
2
)
O Coeficiente de Determinao pode ser definido como o grau de ajuste da reta
estimada ao conjunto de dados, ou seja, quo bem o modelo se ajusta ao conjunto de
dados.
Poder de Explicao de r
2

y
i

x
i

y
Variao Total

i
Variao
Explicada
Variao no
Explicada

=a +bx
Variao Total: a distncia entre o valor mdio de y e o
valor observado de cada y.

Variao no-explicada: a distncia entre os valores
estimados pela reta e os valores observados de y

Variao explicada: a distncia entre o valor mdio de y
e os valores estimados pelo modelo para cada y

Conclui-se, ento que [Variao total = variao explicada
+ variao no-explicada].
Qualidade do ajuste
A percentagem de variao explicada, r
2
, = Razo da variao explicada / variao total.




2
2
2
2
2
2
2
variao explicada
variao total
variao total - variao no explicada
variao total
variao no explicada
1 1
variao explicada
c
i
i c
c
y y
r
y y
r
y y
r
y y

O coeficiente de determinao r
2
indica a proporo da variao total na varivel dependente y
que explicada pela variao da varivel independente x.

Se r
2
prximo de 1, isso significa que a variao explicada responde por uma grande
percentagem da variao total. Ex: r
2
= 0,93. Indica que aproximadamente 93% da variao em y est
relacionada com a variao de x e que 7% no explicado por x.


A amplitude do coeficiente
de correlao :
0 r
2
+1
Qualidade do ajuste
Coeficiente de Determinao (r
2
)
Coeficiente de Determinao (r
2
): indica o quanto a
reta de regresso explica o ajuste da reta.
Portanto,

Coeficiente de Correlao (r): deve ser usado como
uma medida de fora e direo da relao entre as
variveis.
Qualidade do ajuste
Vamos determinar, atravs dos coeficientes de correlao e de
determinao, qual das funes representa o melhor ajuste e comparar
graficamente os ajustes realizados.


y = a
0
+ a
1
x
coef. de correlao (r) = 0,87
coef. de determinao (r
2
) = 0,76
Considerando que um bom ajuste
representado por valores de r
2
> 0,99
Este coeficiente indica que a funo de ajuste linear NO REPRESENTA um bom
ajuste para os dados desse problema.
Qualidade do ajuste do exemplo
Ajuste linear
y = a.e
bx

Este coeficiente indica que a funo de ajuste exponencial NO REPRESENTA
um bom ajuste para os dados desse problema.
coef. de correlao (r) = 0,87
coef. de determinao (r
2
)
= 0,75
Qualidade do ajuste exponencial
y = a + b ln x
Este coeficiente indica que a funo de ajuste logaritmico NO REPRESENTA um
bom ajuste para os dados desse problema.
coef. de correlao (r) = 0,86
coef. de determinao (r
2
) = 0,75
Qualidade do ajuste logartmico
y = ax
b

Este coeficiente indica que a funo de ajuste potencial REPRESENTA um bom
ajuste para os dados desse problema.
coef. de correlao (r) = 0,99
coef. de determinao (r
2
) = 0,99
Qualidade do ajuste potencial
y = a + (b/x)
Este coeficiente indica que a funo de ajuste hiperblico NO REPRESENTA
um bom ajuste para os dados desse problema.
coef. de correlao (r) = -0,85
coef. de determinao (r
2
) = 0,72
Qualidade do ajuste hiperblico
Etapas a seguir


1. Fazer diagrama de disperso
2. Definir visualmente tipo de curva que melhor
representa os pontos (Pegar ponto inicial e final)
3. Determinar a e b
4. Descrever a equao
5. Verificar a correlao
6. Verificar o coeficiente de determinao Q. Ajust.
7. Plotar grfico


Exemplo
AJUSTE DE CURVA AVALIAO DE ABSORO
DE SOLVENTES EM NANOCOMPSITOS
PRODUZIDO A PARTIR DA POLIAMIDA 12
RECICLADA


Trabalho de concluso de curso
Universidade Federal de Sergipe
Marcelo dos Anjos Oliveira
Introduo
A indstria e desenvolvimento de
novos produtos.

Compsitos

Principio da ao combinada
Sinergia entre propriedades
Fase: Matriz e reforo

Tubos de
Poliamida 12
Metodologia
ABSORO DE SOLVENTES

Referncia: Y. Zhang et al.
Procedimento:
-Massa inicial (peso)
-Triplicatas para cada formulao
-Mergulhadas em gasolina e lcool
- Alterao da massa em funo do tempo
- tempo final: 132 horas
- Coeficiente de difuso
FLUXOGRAMA
FORMULAES
Resultados e discusses
Curva de disperso
T (hs) Explicativa
Ganho em peso relativo (%) -
Objetivo
Com os valores experimentais em mos
utilizou o software Minitab, a fim de definir o
melhor ajuste de curva para cada composio
e para cada tipo de solvente.
Melhor ajuste de curva
lcool
Melhor ajuste de curva
Gasolina
Qualidade do ajuste
Tabela 3 Valores obtidos no Minitab de S (Erro padro), R-Sq (Correo) e R-Sq (Determinao),
para ajuste simples e poligonal (quadrtico 2 ordem e cbico 3 ordem).
Equaes obtidas
O software apresentou como polgono de 3 ordem, porm o valor
era to pequeno que ele considerava como sendo 0,00000 x
3
Concluses
Foi possvel ajustar as curvas de modo a obter uma
tima relao entre a varivel explicativa e a varivel
resposta, a fim de obter o melhor ajuste e a equao
que melhor descreva as equaes do sistema.
Avaliando o ajuste linear e o poligonal, foi
possvel chegar a concluso de que o poligonal de
terceira ordem apresenta melhor relao entre as
variveis explicativa e resposta, portanto, satisfaz e
sistema e dessa forma foi possvel descrever as
melhores equaes possveis.

Concluses
Observou-se que o melhor ajuste seria o poligonal de
terceira ordem para todos os casos e comparando
entre o solvente utilizado a tendncia de melhor
ajuste se deu na imerso dos corpos de prova em
lcool com a qualidade de ajuste mdia de 98,93%
enquanto para a gasolina 97,68%.


Concluses
possvel verificar que o comportamento da curva de absoro no segue
uma linearidade em relao a quantidade de argila incorporada no
polmero, pois, observando na curva de disperso para a gasolina h um
aumento de absoro em relao ao polmero puro seguidamente do
aumento para 5% de argila, porm no se observa um aumento
significativo entre as concentraes de 5% para 7%, Oliveira M et al
descreve o comportamento analisando alguns experimentos descritos na
literatura em que 5% seria quantidade mxima de mistura excelente para
a argila em polmero. J para o lcool a concentrao de 5% da argila 1
apresenta bons resultados em relao ao polmero puro e ao polmero
contendo 7% de argila. Em ambos experimentos foi possvel observar que
5% da argila 2 apresentou os melhores resultados em relao a argila 1 em
todas as situaes.



Referncias

Callister Jr., W.D. Cincia e Engenharia de Materiais: Uma
introduo. 5 ed., Rio de Janeiro: LTC Editora, 2002.
Oliveira, M. A. Monografia: Propriedades mecnicas e de
absoro de solventes de nanocompsitos produzido a partir
da poliamida 12 reciclada. Universidade Federal de Sergipe
UFS, 2012.
KUME, Hitoshi, Mtodos Estatsticos para a Melhoria da
Qualidade. So Paulo:Gente,1993.
BUSSAB, Wilton O e MORETTIN, Pedro A. Estatstica bsica. So
Paulo: Saraiva,2002.
KAZMIER, L.B. Estatstica aplicada Economia e
Administrao. So Paulo: McGraw-Hill, 1982.
MONTGOMERY, D. C. Introduo ao controle estatstico da
qualidade. Traduo: Ana Maria Lima de Farias. 4Edio. Rio de
Janeiro:LTC, 2004.