CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Documentos relacionados
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Métodos tipo quadratura de Gauss

Revisão de Estatística X = X n

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Modelo de Regressão Simples

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Construção e Análise de Gráficos

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Atividades Práticas Supervisionadas (APS)

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

Estatística - exestatmeddisper.doc 25/02/09

Apêndice 1-Tratamento de dados

Confiabilidade Estrutural

Econometria: 3 - Regressão Múltipla

Estatística Básica - Continuação

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

MAE0229 Introdução à Probabilidade e Estatística II

CAP. IV INTERPOLAÇÃO POLINOMIAL

Análise de Regressão e Correlação

Análise de Regressão

Regressão Linear Simples uma revisão

Difusão entre Dois Compartimentos

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Avaliação da qualidade do ajuste

Modelos de regressão linear: abordagem clássica

Regressão e Correlação

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Cap. 5. Testes de Hipóteses

Econometria: 4 - Regressão Múltipla em Notação Matricial

7 Análise de covariância (ANCOVA)

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES:

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Teoria das Comunicações

Relatório 2ª Atividade Formativa UC ECS

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

Apostila de Introdução Aos Métodos Numéricos

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

Ajuste de dados experimentais

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

Prof. Lorí Viali, Dr.

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

MÉTODO DOS MÍNIMOS QUADRADOS

ESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE

MODELOS DE REGRESSÃO NÃO LINEARES

Aerodinâmica I. Asas Finitas Teoria da Linha Sustentadora Método de Glauert

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

MEDIDAS DE DISPERSÃO:

5 Critérios para Análise dos Resultados

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

Prof. Lorí Viali, Dr.

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

CAP. IV INTERPOLAÇÃO POLINOMIAL

? Isso é, d i= ( x i. . Percebeu que

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

Capítulo 3. Interpolação Polinomial

Estudo do intervalo de confiança da regressão inversa utilizando o software R

A forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir.

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Regressão Linear - Introdução

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

Capítulo V - Interpolação Polinomial

Problema geral de interpolação

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.

Probabilidades e Estatística

Estatística Descritiva

Prof. Janete Pereira Amador 1

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A)

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

Transcrição:

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em dados eermetas, cotedo erros eretes aos métodos de medção utlzado. Como os valores ão são eactos, mutas vezes ão é razoável recorrer à terolação olomal, ou seja, egr que a fução aromate satsfaça eactamete os dados dsoíves. Assm, em vez de recorrermos a um olómo que asse eactamete or todos os otos, fazemos assar uma fução aromate g(), o mas rómo ossível dos otos. Cosderemos uma sére de otos (, ),,, ode cada fo otdo eermetalmete e aroma o valor de uma fução o oto, sto é, f( ). Estes valores odem ser reresetados or um gráfco cartesao formado um dagrama de dsersão. Pága de - Ajuste de Curvas elo Método dos Mímos Quadrados

EXEMPLO : Costrur o dagrama de dsersão da segute taela:.3 3.4 5. 6.8 8.. 5. 3.8 6. 5.8 7 6 5 4 3 4 6 8 Ojectvo: rocurar a curva g() que melhor se ajusta, um dado setdo, ao dagrama ateror. TIPOS DE AJUSTAMENTOS: Ajustameto lear smles; Ajustameto lear múltlo. Pága de - Ajuste de Curvas elo Método dos Mímos Quadrados

5. AJUSTE LINEAR SIMPLES O modelo mas smles que relacoa duas varáves e é a recta: β + β. ode β e β são os arâmetros do modelo. Cosderemos: : valor da varável elcatva ou deedete; : valor da varável resosta ou deedete; ˆ (magem de ela recta β + β. ) : valor redto; d - ˆ (desvo): dstâca vertcal do oto à recta. Suoha-se uma recta artrára desehada o dagrama de dsersão do eemlo : 7 6 5 4 3 d ŷ 4 6 8 Pága 3 de - Ajuste de Curvas elo Método dos Mímos Quadrados

ESCOLHA DA MELHOR RECTA: Cosderemos a soma dos quadrados dos desvos de todos os otos: D d Medda do desvo total dos otos à recta estmada Esta medda deede da recta cosderada: D ( (β + β. )) ( β,β ) d ( ˆ ) Pretedemos etão os valores dos coefcetes de β e β que mmzam D ( β, ), ou seja, o valor mímo de ( β, ) β D. β Para tal, temos de dervar ( β, ) D β em relação a β e β e resolver as equações ormas (gualar as dervadas arcas a zero): D β β D β β (,β ) (,β ).(.( β β β. ) β. ). Pága 4 de - Ajuste de Curvas elo Método dos Mímos Quadrados

Pága 5 de - Ajuste de Curvas elo Método dos Mímos Quadrados Os valores de e, ara os quas ( ) β, β D areseta um valor mímo são otdos ela resolução do sstema (equações ormas): + +. )... ( ). ( Em otação matrcal,.. Resolvedo o sstema, otemos: ). ( ) (.... Como este método cosste em achar o mímo de uma fução quadrátca, é cohecdo como o método dos mímos quadrados.

A melhor recta, o setdo dos mímos quadrados, que se ajusta aos dados do dagrama de dsersão é dada or: + EXEMPLO (CONTINUAÇÃO): Determar a recta dos mímos quadrados que melhor se ajusta aos dados da taela..3 3.4 5. 6.8 8.. 5. 3.8 6. 5.8 Taela aular: ŷ r.3. 3.4 5. 5. 3.8 6.8 6. 8. 5.8 Pága 6 de - Ajuste de Curvas elo Método dos Mímos Quadrados

QUALIDADE DO AJUSTE: COEFICIENTE DE DETERMINAÇÃO Para smlcar a otação, o símolo fôr coveete. será trocado or, semre que O coefcete de determação é dado or: R ( ) sedo R ( ). ( ) Quato mas rómo o coefcete de determação estver de, melhor será o ajuste. RESÍDUOS Outra maera de verfcar a adequação do modelo é comarar cada valor oservado com o resectvo valor redto ŷ. À dfereça etre estes dos valores chama-se resíduo: r - ŷ, ode ŷ é dado ela equação +.. Quado e são estmadores dos mímos quadrados, etão os desvos d são dêtcos aos resíduos r. Pága 7 de - Ajuste de Curvas elo Método dos Mímos Quadrados

5. AJUSTE LINEAR MÚLTIPLO Uma maera de relacoar uma varável deedete com varáves deedetes é: β + β + β + + β ode β, β,, β são os arâmetros do modelo. Para otos, temos o sstema: β β β + β + β + β... + β + β + β... + + β + + β + + β... Na forma matrcal: β β. β Y X. β D Cosderado a soma dos quadrados dos desvos de todos os otos ( ˆ ) d ( ( β + β. + β. + + β. )) retede-se mmzar D( β,β, β,, β )., Pága 8 de - Ajuste de Curvas elo Método dos Mímos Quadrados

Para tal, dervamos D( β,β, β,, β ) em relação a β, β,, β e resolvemos as equações ormas. D β ( β β β β ) D ( β β β D β ( β β β β β ) β ) O vector que mmza a soma dos quadrados dos desvos é a solução do sstema de equações leares:.. Pága 9 de - Ajuste de Curvas elo Método dos Mímos Quadrados

COEFICIENTE DE DETERMINAÇÃO R ( ˆ ) ( ) ode ŷ +. +. + +. RESÍDUOS Para se calcular os resíduos o ajuste lear múltlo utlza-se a equação dos resíduos ara o ajuste lear smles. Cotudo, ŷ é dado ela equação ateror. Pága de - Ajuste de Curvas elo Método dos Mímos Quadrados

EXEMPLO : Ajustar os otos da taela à equação + + e determar o coefcete de determação: - 4 5 5 6 - - 3 4 3 9 4 9 - Taela aular: - - 3-9 4 4 5 9 5 3 ŷ r r 6 4 - Pága de - Ajuste de Curvas elo Método dos Mímos Quadrados

Pága de - Ajuste de Curvas elo Método dos Mímos Quadrados 5.. AJUSTE POLINOMIAL Um caso esecal de ajuste lear múltlo ocorre quado,,,. Deste modo, tem-se a equação: β +β + β + +β O vector é determado ela resolução do sstema: + + + + 4 3 3. COEFICIENTE DE DETERMINAÇÃO RESÍDUOS Para se calcular os resíduos o ajuste olomal utlza-se a equação dos resíduos ara o ajuste lear smles. Cotudo, é dado ela equação ateror.... ŷ ode ) ( ) ˆ ( + + + + R ŷ

EXEMPLO 3 : Ajustar os otos da taela aao à equação + + - -.5. 3. -3.5 -. -3.3 8.9 6.8.4 Taela aular: 3 4 - -3.5 ŷ r -.5 -. -3.3 8.9. 6.8 3..4 Pága 3 de - Ajuste de Curvas elo Método dos Mímos Quadrados

5 TRANSFORMAÇÕES Algus modelos ão leares os arâmetros odem ser trasformados em modelos leares or susttução dos valores de uma ou mas varáves or fuções destas varáves. EXEMPLO DE TRANSFORMAÇÕES: a e l l a + a l l a + ( l ) a l l a + ( l ) e l a + + c a+ + c c d a. 3 l la + l + cl + dl3 a + + c a + + c l ( -) a + a c. + c + + + e Pága 4 de - Ajuste de Curvas elo Método dos Mímos Quadrados

EXEMPLO 4 : Ajustar os otos da taela aao à equação a.e..5 3.3 4.5 5. 5.9 8.8. 9.8.5 Taela aular: ' l( ) ' '. 5.9.5 8.8 3.3 4.5 9.8 5..5 Pága 5 de - Ajuste de Curvas elo Método dos Mímos Quadrados

EXEMPLO (CONTINUAÇÃO): Determar a recta dos mímos quadrados que melhor se ajusta aos dados da taela..3 3.4 5. 6.8 8.. 5. 3.8 6. 5.8 Taela aular: ŷ r.3..69.6 4..7 -.7 3.4 5..56 7.68 7.4 3.8.4 5. 3.8 6. 9.38 4.44 4.7 -.9 6.8 6. 46.4 4.48 37. 5.6.5 8. 5.8 64. 46.4 33.64 6. -.4 4.6.9 49.5 7.54 6.33 Determação dos coefcetes: 5 *7.54 4.6 *.9 5 *49.5 ( 4.6).54.9 4.6 *.54.97 5 Etão a melhor recta que assa elos otos taelados é.97+.54. Cálculo do coefcete de determação: R 4.6 *.9 7.54 5 49.5 6.33 5 ( 4.6) (.9) 5.67866 Pága 6 de - Ajuste de Curvas elo Método dos Mímos Quadrados

O ajuste efectuado elos método dos mímos quadrados ão elca em a varação de como fução de. EXEMPLO : Ajustar os otos da taela à equação + + e determar o coefcete de determação: - 4 5 5 6 - - 3 4 3 9 4 9 - Taela aular: X ŷ r r - - 4 3-3 -6 69 3.767 -.767.588 - -.73.97.88 9 9 8 7.639.36.85 4 4 8 4 6 4.575 -.575.33 4 6 4 44.375 -.375.4 5 5 4 9 45 8 8 8.3.689.475 5 3 5 9 5 5 3.847 -.847.77 6 4 36 6 4 - -6-4 -.7.7.47 8 8 36 57 57 9-5 59 4.39 8 8 57 4.39 O sstema é 8 57 9, a solução é 3.4. 8 57 36 5 6.464 Etão a melhor recta que se ajusta aos otos é 4.39 +3.4-6.464. Pága 7 de - Ajuste de Curvas elo Método dos Mímos Quadrados

Cálculo do coefcete de determação: O ajuste efectuado é muto om. 4.39 R.977. 59 ( 57) 8 EXEMPLO 3 : Ajustar os otos da taela aao à equação +. +. - -.5. 3. -3.5 -. -3.3 8.9 6.8.4 Taela aular: 3 4 ŷ r - 4-8 6-3.5 6. -. -9.57.865 93.5 -.5.5-3.375 5.63 -. 3.3-45.45 -.766.45 48.4-3.3 -.8.644.89 8.9 8.9 8.9 8.9.653 79.. 4.84.648 3.46 6.8 36.96 8.3 6.998.39 8.4 3. 9.6 9.79 9.35.4 66.34 5.654.368. 457.96.8.7 3.64 37.84-6.9 3.5 8.46 5.654 68.59 O sstema é 6.8.7.8.7 3.64.7 3.64 37.84 6.9 3.5, 8.46 a solução é.8.33. Etão a melhor curva que se ajusta aos otos é. -.8 +.33 -.. Pága 8 de - Ajuste de Curvas elo Método dos Mímos Quadrados

Cálculo do coefcete de determação: 5.654 R.997. O ajuste efectuado é muto om. 68.59 ( 6.9) 6 EXEMPLO 4 : Ajustar os otos da taela aao à equação ae..5 3.3 4.5 5. 5.9 8.8. 9.8.5 a.e l l a +. Taela aular: ' l( ) ' '. 5.9.77.77. 3.39.5 8.8.7 3.55.5 4.789 3.3.48 8.84.89 6.54 4.5 9.8.99 3.455.5 8.94 5..5 3.7 5.35 5 9.448 4.4.48 4.4 58.4 3.337 Determação dos coefcetes: 5* 4.4 4.4 *.48 5*58.4 ( 4.4).646. 48. 646* 4. 4. 734 5 Etão a melhor curva que se ajusta aos otos taelados é l.734 +.646 e.734.e.646 5.6633.e.646 Pága 9 de - Ajuste de Curvas elo Método dos Mímos Quadrados

Cálculo do coefcete de determação: R 58. 4 4. 4*. 48 4. 4 5 ( 4. 4) (. 48) 5 3. 357 5. 98 O ajuste efectuado é muto om. Pága de - Ajuste de Curvas elo Método dos Mímos Quadrados