|
|
\
|
=
2
i
i i
i
i
y
2
1
exp
C
P
(3)
onde i o valor mdio verdadeiro correspondente a yi e C uma constante de
normalizao. A probabilidade Ptotal de ocorrncia do conjunto dos n pontos
experimentais o produto das probabilidades de ocorrncias de cada ponto,
uma vez que eles so estatisticamente independentes,. Deste modo, podemos
escrever:
|
|
\
|
= =
=
=
n
1 i
2
i
i i
n 2 1
n
i
n
1 i total
y
2
1
exp
....
C
P P
(4)
Se substituirmos o valor mdio verdadeiro i pela funo tentativa (1), teremos:
|
|
\
|
= =
=
=
n
1 i
2
i
n 2 1 i i
n 2 1
n
i
n
1 i total
) a ,...., a , a ; x ( f y
2
1
exp
....
C
P P
(5)
que pode ser reescrita como
)
`
= =
=
=
n
1 i
2
n 2 1
n
i
n
1 i total
2
1
exp
....
C
P P
(6)
onde definimos
2
=
|
|
\
|
=
n
1 i
2
i
n 2 1 i i 2
) a ,...., a , a ; x ( f y
(7)
Segundo o princpio da mxima verossimilhana, a funo
) a ,...., a , a ; x ( f ) x ( f
p 2 1
= , que melhor se ajusta aos pontos experimentais,
aquela que maximiza a probabilidade Ptotal, se considerada como sendo a funo
verdadeira. Portanto, tudo que necessrio fazer determinar os parmetros
p 2 1
a ,...., a , a que maximizam Ptotal. Devido a exponencial da expresso (6), essa
probabilidade uma funo decrescente de
2
, e desse modo para maximizar
Ptotal basta minimizar
2
em relao aos parmetros
p 2 1
a ,...., a , a .
Resumindo, se ) a ,...., a , a ; x ( f ) x ( f
p 2 1
= uma funo tentativa, previamente
escolhida, o mtodo dos mnimos quadrados consiste em determinar os
parmetros
p 2 1
a ,...., a , a que minimizam a expresso (7).
Regresso linear
O problema da minimizao da minimizao de
2
, no mtodo dos mnimos
quadrados, torna-se especialmente simples quando a funo tentativa
representa uma reta, ou seja, f(x)=ax+b. O problema do ajuste de uma reta a um
conjunto de dados experimentais se chama regresso linear. Nesse caso a
aplicao do mtodo dos mnimos quadrados relativamente simples e direta,
como mostrado abaixo
O problema a ser resolvido consiste em minimizar a expresso
=
|
|
\
| +
=
n
1 i
2
i
i i 2
) b ax ( y
(8)
em relao aos parmetros a e b. Para tanto deve-se tomar as derivadas parciais
da expresso (8) em relao a a e b, ou seja
[ ]
0 x
) b ax ( y
2
a
i
n
1 i
2
i
i i
2
=
+
=
(9a)
[ ]
0
) b ax ( y
2
b
n
1 i
2
i
i i
2
=
+
=
(9b)
Rearranjando os termos, pode-se escrever o sistema de equaes (9a) e (9b)
como:
= = =
= +
n
1 i
2
i
i i
n
1 i
2
i
i
n
1 i
2
i
2
i
y x x
b
x
a
(10a)
= = =
= +
n
1 i
2
i
i
n
1 i
2
i
n
1 i
2
i
i
y 1
b
x
a
(10b)
3
Para simplificar a notao define-se:
= = = = =
= = = = =
n
1 i
2
i
i i
xy
n
1 i
2
i
i
y
n
1 i
2
i
2
i
x
n
1 i
2
i
i
x
n
1 i
2
i
y x
S ;
y
S ;
x
S ;
x
S ;
1
S 2
(11)
Utilizando-se a nova notao (11), obtm-se o seguinte sistema de equaes
lineares para as variveis a e b:
y x
xy x x
S bS aS
S bS aS 2
= +
= +
(12)
Resolvendo-se o sistema de equaes acima obtm-se:
x x x
y x xy
S S S S
S S S S
a
2
e
x x x
xy x y x
S S S S
S S S S
b
2
2
(13)
Referncias
1) Este texto foi adaptado do material produzido pela Profa. Vitria BartHem, do
IF-UFRJ, para a disciplina Fsica Experimental 2.
2) Fundamentos da Teoria de Erros Jos Henrique Vuolo Editora Edgar
Blcher Ltda. 1992.
3) Propagao de Incertezas, Prof. Alexandre Suaide, disponvel no Moodle (aba
Extras).
4) A funo gaussiana, Prof. Alexandre Suaide, disponvel no Moodle (aba
Extras).