Ajuste de curvas por quadrados mnimos lineares

Felipe Leonardo de Aguiar e Wanderley Innocncio Moreira Jnior Engenharia de Minas 1o. Perodo Professor: Rodney Josu Biezuner Disciplina: Geometria Analtica e lgebra Linear

1. Introduo
Utilizamos este mtodo quando temos uma distribuio de pontos e queremos ajustar a melhor curva a este conjunto de dados. Inicialmente, vamos analisar o caso em que a curva de ajuste uma funo linear: y i = a + bxi Para que esta seja a reta que melhor se ajusta aos dados, devemos minimizar a soma das diferenas entre os valores de f(x) tabelados yi e os valores da curva de ajuste a+bxi em cada ponto. Mas esta diferena pode ser tanto positiva quanto negativa, o que pode ocasionar em uma soma nula das diferenas mesmo com os valores muito distantes da reta. Uma forma de evitar o cancelamento minimizar o quadrado da diferena. Poderamos ter escolhido minimizar o mdulo da diferena, mas isto acarretaria em uma complicao nos clculos, devido necessidade de se obter as primeiras derivadas. Supondo que sejam p pontos tabelados, definimos a funo: S (a, b) = ( y i (a + bxi ) )2
i =1 p

Nossa problema agora encontrar valores de a e de b que minimizam S(a,b). Usando notao matricial, com os resduos definidos por ri = y i (a + bxi ) e definindo as matrizes y1 r1 1 x1 a y2 r2 1 x 2 X = , Y = , R = , A = b M M M M yp rp 1 x p segue que y i = a + bxi para todo i variando de 1 at p o mesmo que AX = Y . Assim, como queremos minimizar S (a, b) = ri 2
i =1 p

em notao matricial temos que

 ri 2 = R T R
i =1

onde R = Y AX Denotando M = S (a, b), temos M = (Y AX )T (Y AX ) = Y T Y X T AT Y Y T AX + X T AT AX Queremos obter os parmetro a e b ou, em notao matricial, o vetor X de modo a minimizar M. Para isso, o gradiente de M (ou seja, a derivada primeira da funo de duas variveis M) deve ser nulo: M = AT Y Y T A + 2 AT AX = 0 AT AX = AT Y Assim, para encontrarmos a e b que faa com que a soma do quadrado das diferenas entre yi e a+bxi seja mnima basta resolvermos o sistema linear AT AX = AT Y Como a matriz ATA simtrica definida positiva, o sistema linear admite soluo nica e esta soluo ser o ponto crtico que ser o ponto de mnimo. Efetuando os clculos de ATA e de ATY temos: p 1 T A A = ip=1 x i i =1 p yi xi i =1 T i =1 , A Y = p p 2 x y xi i i i =1 i =1
p

2. Ajuste de Curvas por Polinmios e outras Funes

Podemos generalizar este resultado para ajustarmos qualquer polinmio da forma y = a 0 + a1 x + K + a n x n aos pontos (xi, yi). Basta fazermos: ri = y i a 0 + a1 xi + K + a n xin 1 x1 a1 y1 r1 1 x 2 a2 y2 r2 X = , Y = , R = , A = M M M M M ap yp rp 1 x p

)
2 x1 2 x2 M x2 p n L x1 n L x2 O M L xn p

Ento, para encontrarmos os pontos a0, a1, ..., an, temos que resolver o mesmo sistema ATAX=ATY. Efetuando os clculos de ATA e de ATY, temos:

 p 0 xi i =1 p x1 i i =1M p xn i i =1

x1 i xi2
i =1 i =1 p

xin+1
i =1

p 0 xi y i xin i =1 i =1 a 0 p p 1 n +1 a 1 x y L xi = i i i =1 i =1 M O M M a n p p 2n xn y L xi i i i =1 i =1
p

Este procedimento pode ser generalizado para qualquer curva de ajuste da forma: y = a 0 g 0 ( x) + K + a n g n ( x) desde que as funes gj(x) avaliadas nos pontos resultem em vetores linearmente independentes, que uma condio necessria para que a matriz AtA seja invertvel.

3. Um exemplo de aplicao do mtodo de quadrados mnimos

Podemos usar 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):
1872 1890 1900 1920 1940 1950 1960 1970 1980 1991 1996 ano populao 9.9 14.3 17.4 30.6 41.2 51.9 70.2 93.1 119.0 146.2 157.1

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:

logo, a soluo X obtida resolvendo o sistema

cuja soluo

Da podemos calcular a populao em 2000 calculando y(2000)=167.9, cujo valor podemos comparar com os dados oficiais do IBGE que informa que a populao brasileira em 2000 era de 169.8 milhes de habitantes. Ajustando um polinmio de segundo grau pelo mtodo dos quadrados mnimos conseguimos uma previso para a populao em 2000 que difere da real em 1.1%. A partir desses dados podemos prever a populao brasileira no ano de 2010 calculando y(2010)=197.6.

Grfico do polinmio de grau 2 obtida por quadrados mnimos, juntamente com os pontos da tabela.

Vamos agora tentar ajustar aos mesmos pontos uma funo do tipo y(x) = aexp(bx). Neste caso a curva de ajuste no linear nos parmetros a,b e para aplicar o procedimento descrito anteriormente (quadrados mnimos lineares) devemos linearizar a curva de ajuste. Para este exemplo, aplicando-se o logaritmo na expresso acima, obtemos ln(y) = lna+bx. Portanto calculamos ln(y), e com isso ajustamos uma reta aos pontos (x, ln(y)) pelo mtodo dos quadrados mnimos. Note que os parmetros a e b encontrados no so os que minimizam a funo

mas os que minimizam a funo

1872 1890 1900 1920 1940 1950 1960 1970 1980 1991 1996 ano 9.9 14.3 17.4 30.6 41.2 51.9 70.2 93.1 119.0 146.2 157.1 populao ln(populao) 2.29253 2.66026 2.85647 3.421 3.71844 3.94932 4.25135 4.53367 4.77912 4.98498 5.05688

Agora, vamos construir a matriz A e os vetores X e Y:

resolvendo o sistema

, temos como soluo o vetor:

logo a soluo ln(y)=-40.4266+0.0227992x. Aplicando a funo exponencial temos: y=exp(-40.4266)exp(0.0227992x)=2.77287 10-18exp(0.0227992x), Calculando o valor dessa funo no ponto 2000 temos y(2000)=176.2, cujo erro percentual comparado com os dados do IBGE de 3.7%. A partir desses dados podemos prever a populao brasileira no ano de 2010 calculando y(2010)=221.35. Podemos ento traar o grfico da nova funo

Grfico da funo exponencial obtida por quadrados mnimos, juntamente com os pontos da tabela.

Note que quando ajustamos por uma funo exponencial, conseguimos ajustar melhor os pontos iniciais, j no caso de uma parbola, conseguimos ajustar melhor os pontos finais da tabela. Em ambos os casos, podemos calcular o resduo, dado pela norma 2 do vetor formado pela diferena entre o valor real e o valor calculado pela funo obtida para cada ponto. Para a parbola temos que o resduo 14.2. J para a exponencial temos que o resduo 11.45. Note que apesar do resduo da exponencial ter sido menor do que o resduo da parbola, a previso feita pela parbola para o ano de 2000 foi melhor do que a da exponencial, portanto a maneira como a curva se ajusta aos pontos tabelados no diz nada a respeito da maneira como essa curva far previses para outros pontos.