Anda di halaman 1dari 11

INTRODUO

Em 01 de janeiro de 1801, Ceres, um novo asteride, foi descoberto, mas


desapareceu atrs do sol logo depois de ser observado. Astrnomos previram quando e
onde Ceres reapareceria, mas seus clculos diferiram muito daqueles feitos,
independentemente, por Gauss. Ceres reapareceu em 07 de dezembro de 1801, quase
exatamente onde Gauss predisse que ele estaria. Apesar de no ter revelados seus mtodos
naquela poca, Gauss havia usado o mtodo de aproximao por mnimos quadrados, o
qual ele descreveu em um artigo em 1809. O mesmo mtodo j era conhecido antes. Cotes
introduziuo no comeo do sculo XVIII e Lagendre em 1806 publicou um artigo sobre o
mesmo. Mas Gauss quem, geralmente, recebe os crditos pelo mtodo de aproximao
por mnimos quadrados. O MMQ um procedimento utilizado para obter a melhor reta
que pode ser ajustada aos dados utilizados. Sabemos que uma das mais importantes
aplicaes do MMQ estimar constantes associadas a vrios processos, como, a taxa de
crescimento de uma populao, que um dos exemplos que veremos no decorrer deste
trabalho, bem como conceitos, teoremas e outros exemplos do uso do MMQ. Neste
trabalho veremos como encontrar a curva que melhor se ajusta a curva original e
aprenderemos mais sobre seus conceitos. As curvas mais comuns utilizadas por este
mtodo so: reta, parbola, cbica e qurtica.


MODELO MATEMTICO, FUNCIONAL E ESTOCSTICO

Modelo matemtico

Chama-se modelo matemtico os sistema terico ou conceito abstracto
atravs do qual se descreve uma situao fsica ou um conjunto de acontecimentos.
Esta descrio no necessariamente completa ou exaustiva. Como um modelo
serve um propsito especfico, a sua formao pode variar largamente de um ponto
de vista para outro. Deste modo, o mesmo sistema fsico pode ser descrito por mais
do que um modelo.
Um modelo matemtico pode ser dividido em duas partes conceituais: o
modelo funcional e o modelo estocstico:
Modelo funcional

O modelo funcional composto por relaes que descrevem a geometria ou
caractersticas fsicas do problema em questo.

Exemplo 1: Para a determinao da rea de um terreno retangular com lados
a e b o modelo funcional A = ab.

Modelo estocstico

O modelo estocstico composto pelo conjunto de relaes que descrevem as
propriedades estatsticas dos elementos envolvidos no modelo funcional. O
modelo estocstico indica por exemplo a qualidade das observaes feitas (as suas
precises, relativas ou absolutas), indica se as observaes esto correlacionadas ou
no, indica ainda as variveis que so consideradas constantes durante o ajustamento
e as que se pretendem determinar.


FINALIDADE DO MTODO DOS MNIMOS QUADRADOS


De acordo com o que foi dito no ponto 1.1.2., quando se pretendem
determinar uma ou vrias grandezas normalmente fazem-se mais observaes do
que as estritamente necessrias
para determinar o problema em questo. Devido superabundncia existente temos
vrias possibilidades de obter solues para o problema, que sero tantas quantas
as combinaes que podemos formar com as observaes, tomadas em nmero
mnimo necessrio para resolver o problema em questo.
Desta forma as observaes l
1
, l
2
,...,l
n
no so consistentes com o modelo
funcional, e
teremos que substitui-las por um conjunto de estimativas
^
l
1
,
^
l
2,
^
l
n
(observaes
ajustadas) que satisfaam o modelo funcional. Estas estimativas so obtidas
adicionando a cada uma das observaes uma quantidade denominada de
correco ou resduo (v
i
) de tal
forma que:


^
l
i
= l
i
+ v
i
com i = 1, 2,...,n


Mas existem vrios valores de v
i
que daro origem a um conjunto de
observaes ajustadas consistente com o modelo funcional.

EXEMPLO:


Se para determinarmos a forma de um tringulo medirmos os seus trs
ngulos internos o, | e , teremos como modelo funcional a seguinte equao:

o + | + = 180


no entanto muito provvel que a soma dos trs ngulos medidos no seja
180, devido existncia de erros aleatrios nas medies. Suponhamos ento que a
sua soma excede 180 em 3''. Para termos as observaes consistentes com o
modelo funcional teremos que substituir os valores observados por valores ajustados,
que podemos obter de vrias formas. Neste caso podemos por exemplo subtrair a
cada ngulo observado 1'', ou subtrair 2'' a um ngulo e 1'' a outro, ou ainda subtrair
os 3'' apenas a um ngulo, deixando os restantes dois inalterados.
Para escolhermos o "melhor" conjunto de observaes ajustadas (ou seja os
valores mais provveis para as observaes ajustadas) vamos utilizar um critrio
adicional, que o critrio dos mnimos quadrados.


PRINCPIO DO MTODO DOS MNIMOS
QUADRADOS


O critrio dos mnimos quadrados consiste em
minimizar a funo

u = v
t
Wv ,

onde v o vector dos resduos associado s n observaes l
1
, l
2
,...,l
n



2
2

e W a matriz dos pesos das observaes, que uma matriz quadrada de
ordem n. Para observaes consideradas independentes (ou no correlacionadas) a
matriz dos pesos toma a forma:

sendo w
i
o peso da observao i, o
0
2
a varincia de referncia (a varincia de
uma observao com peso unitrio) e o
i
2
a varincia da observao i.
Como no caso de observaes no correlacionadas a matriz W uma matriz
diagonal, a funo u toma a forma:
u =
i =1(w
i
v
i
) e no caso mais simples em
que as observaes alm de serem no correlacionadas tm a mesma preciso (W
i
= 1) temos:

u =
i =1(v
i
)

donde advm o nome do critrio. Assim, as observaes ajustadas vo ser os
elementos do vetor
^
l= l + v, sendo l o vetor das observaes e v o vetor dos resduos que
tornam mnima a funo u.

EXEMPLO

Para a realizao deste trabalho, foram simuladas duas poligonais com mesma
magnitude de erro angular e ordem de grandeza de erro linear semelhante. Sendo uma
poligonal fechada em loop, e outra enquadrada. A poligonal fechada (loop) em torno do
mesmo ponto pode ser visualizada na figura (1) e a poligonal enquadrada na figura (2) Os
valores das observaes a serem ajustadas esto indicados na figura 1 e figura 2 e esto
apresentados na tabela 1 e 2 respectivamente. Na poligonal fechada, figura 1, conhecido
as coordenadas do ponto inicial P1 considerada fixa no ajustamento, e o azimute do
alinhamento P1P2 com desvio padro de 0,001 segundos de arco. As coordenadas iniciais
do ponto P1 so: X= 5000,000 m e Y=10000,000 m e o Azimute do Alinhamento P1P2 de
0 '" 210 2010 .

Observa-se na figura o nmero de observaes angulares so um total de oito
ngulos horizontais, sendo sete ngulos horizontais horrios e um azimute. J as
observaes de distncias totalizam sete. Deste modo tm-se quinze observaes. O
nmero de incgnitas a determinar, coordenadas X e Y, dos pontos da poligonal soma um
total de 12. O nmero de graus de liberdade de trs e pode ser obtido pela equao (1)

Gl= m- n
Onde, gl = nmero de graus de liberdade; m o nmero de equaes de
observaes do mtodo paramtrico, ou seja, o nmero de observaes igual ao nmero
de equaes de observao; n o nmero de incgnitas. A poligonal enquadrada
apresentada na figura 2 mostra os dois pontos de controle P1 e P7, considerados fixos no
ajustamento. As coordenadas dos pontos de controle P1 e P7 so respectivamente X =
5000,000 m; Y = 10000,000 m e X =5328,774 m; Y = 10072,045 m. Na poligonal da
figura 2, tm-se sete observaes de ngulo e seis de distncias, totalizando treze
observaes. O nmero de incgnitas so um total de dez. Deste modo, tem-se um nmero
graus de liberdade igual a trs.


Na tabela 1 esto indicados os valores dos ngulos horrios, das distncias entre
os vrtices e precises que esto representados graficamente pela figura 1.


Na tabela 2 esto indicados os valores dos ngulos horrios, distncias entre os
vrtices e precises que esto representados graficamente pela figura 2.


Ajustamentos de observaes pelo Mtodo dos Mnimos Quadrados

Apresenta-se o itinerrio para a realizao do ajustamento pelo M.M.Q - caso
Paramtrico.
1 passo: estudar o problema de forma a determinar as equaes matemticas de
observaes que envolvem os parmetros. Na forma dada pela equao:
La= F(Xa )
Onde, La representa o vetor das observaes ajustados, u representa o n. de
parmetros eXa so os parmetros ajustados.

2 passo: obter os valores aproximados para os parmetros 0 (x ). Os valores dos
parmetros aproximados do presente trabalho foram calculados utilizando-se das
coordenadas do vrtice inicial ( 1 p ) da poligonal, apresentada na figura 1, do azimute
inicial do alinhamento 1-2, os comprimentos dos lados e os ngulos horrios.

3 passo: montar a matriz dos pesos
Para montar essa matriz necessrio que se conheam as precises com que
foram obtidas as observaes (ngulos e distncias). Caso no tenha sido feito medidas
repetidas para obteno das precises das observaes, pode-se considerar a preciso
nominal do aparelho. Essa matriz ser diagonal, devido a no considerao das correlaes
entre as observaes. O sigma zero a priori , ou fator de varincia a posteriori pode ser
arbitrrio, geralmente assume-se o valor igual unidade. A Matriz Varincia - Covarincia
das Observaes - MVC (Lb) formada por meio dos valores da preciso (varincia) de
cada observao e (covarincia) caso haja correlao entre as observaes.

4 passo: encontrar o vetor das observaes aproximadas L F(X )
Este vetor calculado pela substituio dos valores aproximados obtidos no passo
2 nas possveis equaes de observaes

5 passo: encontrar o vetor dos termos independentes L = Lb-L 0
O vetor L dos termos independentes resultado da diferena do vetor das
observaes e o vetor das observaes aproximadas obtidas no 4 passo.

6 passo: montagem da matriz design ou matriz A.
A matriz A obtida por meio das derivadas parciais das equaes de observaes
em relao aos parmetros ajustados no ponto aproximado. A dada pela equao

7 passo: resoluo do sistema de equaes normais
O modelo matemtico das equaes de observao linearizadas dado pela
equao.

AX- L =V;

onde,
V: vetor dos resduos das observaes, obtido do ajustamento para corrigir as
observaes;
X: o vetor incgnito das correes, a serem aplicadas aos parmetros
aproximados para a obteno dos parmetros ajustados, ou seja, coordenadas dos pontos da
poligonal ajustado.
Aplicando o princpio dos mnimos quadrados na equao e aps algumas
operaes algbricas e matriciais, obtm-se os sistemas de equaes normaisdadas pelas
equaes e a resoluo do sistema de equao normal dado pela equao:

8 passo: clculo dos parmetros ajustados Xa
O clculo dos parmetros, coordenadas ajustadas dado pela equao:
Xa=X0+X
9 passo: encontrar o vetor dos resduos V
O vetor dos resduos utilizado para o clculo das observaes ajustadas e para o
clculo do sigma zero a posteriori dado pela equao:
V =AX- L
10 passo: clculo do sigma zero a posteriori 20 , dado pela equao (13).

onde,
O sigma zero a posteriori um valor que deve ser confrontado com o sigma zero
a priori, por meio do teste qui-quadrado. Caso seja detectada diferena estatstica a certo
nvel de significncia , deve-se verificar se h problemas no ajustamento. De acordo com
Gemael (1994) a forma quadrtica tem a distribuio 2 com S = graus de
liberdade, isto .

Testamos a hiptese bsica:
Comparando o qui-quadrado, pode ser calculado dado pela equao (14) com os
valores tericos dados pelas equaes:

Os valores tericos podem ser calculados, com auxlio de uma tabela de
distribuio qui-quadrado. Para isso, basta entrar com o nmero do grau de liberdade e o
nvel de significncia , e podem ser calculados pelas equaes

A hiptese bsica no rejeitada, no nvel de significncia se estiver dentro do
intervalo dado pela equao :

11 passo: clculo da MVC dos parmetros ajustados Xa. A MVC dos
parmetros estimados dada pela equao uma matriz completa e simtrica que permite a
determinao da preciso com que os parmetros foram estimados. Na diagonal principal
encontram-se valores de varincia e fora da diagonal, valores de covarincia.