Professional Documents
Culture Documents
xi
yi
11
28
40
mesmos pontos. Assim sendo, deve-se utilizar a reta que passe mais prximo dos pontos
tabelados, ou seja, que minimize a soma das distncias dos pontos tabelados reta. Mas minimizar
a soma das distncias dos pontos tabelados reta equivalente a minimizar a soma dos quadrados
das distncias dos pontos tabelados reta. A aproximao por mnimos quadrados consiste em
encontrar a funo que melhor se ajuste ao conjunto de pontos dado, minimizando o erro
resultante do ajuste, ou seja, pretende-se minimizar a soma dos quadrados das diferenas entre os
valores tabelados e os valores obtidos pela aproximao.
Esse ajuste por mnimos quadrados est disponvel em diversos softwares numricos e
conhecido, tambm, como aproximao por mnimos quadrados, otimizao linear, anlise de
regresso, suavizao de dados, entre outros. Apesar de amplamente utilizado, pouco se entende do
mecanismo de ajuste quando se utilizam recursos computacionais. O presente documento tem o
objetivo de elucidar e discutir como feita a estimativa pelo mtodo por mnimos quadrados
(MMQ).
Ajuste por MMQ
Consideremos duas variveis fsicas quaisquer x e y que suspeitamos que estejam
correlacionadas por uma relao linear na forma
y = a + bx
(1)
onde a e b so constantes.
Se as duas variveis y e x esto linearmente relacionadas, ento um grfico de y por x deve
ser uma reta com inclinao b e que intercepta o eixo y em y = a. Se tivssemos que medir N
valores distintos de x1, x2, , xn e os valores correspondentes y1, y2, , yn (e se nossas medidas
no estivessem sujeitas a incertezas) ento cada ponto (xi, yi) cairia exatamente sobre a reta y = a +
bx.
Entretanto, na prtica, h incertezas associadas aos valores e o que podemos esperar que a
distncia de cada ponto (xi, yi) at a reta seja a menor possvel. Dessa forma, devem-se determinar
as melhores estimativas para essas constantes a e b de forma a se obter analiticamente a melhor reta
de ajuste aos dados. Esse mtodo analtico de ajuste denominado MMQ.
Mostremos, inicialmente, como ajustar um conjunto de pontos reta y = a + bx para
determinao de a e b. Neste caso, estamos interessados em minimizar a distncia de cada ponto (xi
, yi ) cada ponto (xi , a + bxi) da reta, conforme ilustra a Figura 2.
Define-se ainda um coeficiente de determinao, R2, que assume valores entre 0 e 1 e que
indica o quo bem a equao determinada se ajusta aos pontos dados. Quanto mais prximo da
unidade, tanto melhor o ajuste.
sendo
(4)
(5)
(6)
Note que a incerteza acima deve ser calculada para, no mnimo, 3 pontos.
Usa-se a propagao quadrtica das incertezas para calcular as incertezas dos coeficientes a
e b. Os resultados encontrados so:
(7)
(8)
R2 = 0,816
y = 3,00 + 0,500x
Figura 3: Os quatro conjunto de dados so idnticos quando examinado usando estatstica bsica,
mas variam consideravelmente quando graficados. (R2 = 0,816; y = 3,00 + 0,500x).
Outro ponto importante considerar que a incerteza da medida pode afetar o ajuste de curva.
A Figura 4 a seguir mostra um mesmo conjunto de dados mas com valores de incerteza diferentes e
o correspondente ajuste de reta. Esta figura mostra dois fatos: a) colocar incertezas com mesmos
valores para todos os dados produz o mesmo ajuste de curva que no colocar incertezas e b) dados
com maior incerteza tem menor peso sobre o ajuste de curva.
Figura 4: A incerteza da medida afeta o ajuste de curva. Primeira linha: colocar incerteza com
mesmo valor para todos os dados produz o mesmo ajuste de curva que no colocar incertezas.
Segunda linha: dados com maior incerteza tem menor peso sobre o ajuste de curva. Fonte
http://nbviewer.ipython.org/github/duartexyz/BMC/blob/master/CurveFitting.ipynb.
Os dois valores calculados na ltima linha da tabela acima so suficientes para calcular o
coeficiente linear A e angular B. preciso, sobretudo, calcular primeiro o coeficiente angular
usando a equao (2):
(Pi A Bxi)2
Para calcular a incerteza P, usou-se o valor calculado na ltima linha da Tabela 3 na
equao (6).
Verifique como fica o ajuste linear dos dados da Tabela 1 com os parmetros A e B
calculados (Figura 6).
Figura 6: Fora peso em funo da massa para os dados da Tabela 1 com ajuste linear dos dados por
MMQ.
A anlise dos dados medidos permitiu encontrar o valor da acelerao da gravidade local,
com respectiva incerteza:
bem como o provvel intervalo do valor da reta quando m = 0, ou seja, A = (0,005 0,005) N.
Bibliografia
1- Cury, H. N. (2007). Anlise de erros: o que podemos aprender com as respostas dos alunos.
Belo Horizonte: Autntica.
2- Squires, G.L. (1985). Practical Physics, 3rd. Ed. Cambridge University Press, Cambridge.
3- Taylor, J.R. (2012). Introduo anlise de erros: O estudo de incertezas em medies
fsicas. Traduo Waldir Leite Roque - 2a ed. Porto Alegre: Bookman.
Autores
Apostila elaborada pela professora L.H.G. Coelho e revisada pelos profs. M. Duarte e D. Consonni.