UNIVERSIDADE FEDERAL DO CEAR 16,00

CENTRO DE TECNOLOGIA 14,00

DPTO. DE ENGENHARIA QUMICA 12,00
y = 2,2x + 0,2
R = 0,9308
GRADUAO EM ENGENHARIA QUMICA
10,00

Varivel Y
8,00
ANLISE NUMRICA EM ENGENHARIA QUMICA 6,00

4,00
TRABALHO 08 2,00
INTERPOLAO NUMRICA -
- 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00
Varivel X
VITOR M. R. PONTE
Figura 01 Interpolao linear dos dados da tabela 01.

OBJETIVO: A utilizao da equao determinada pela interpolao linear

para a obteno de valores y com x variando entre 2 e 6
O Presente trabalho tem por objetivo apresentar a denominada de interpolao. A determinao dos valores de
interpolao numrica de dados. y para valores de x fora deste intervalo (ex. x=8) denomina-
se de extrapolao.
O coeficiente de determinao R2 indica a porcentagem da
INTRODUO: variao da varivel dependente (y) explicada pela varivel
independente (x). uma medida da qualidade da regresso
A coleta de dados pontuais obtidos a partir de amostragem, obtida. R2 varia de zero a um (01). Quo mais prximo da
anlises laboratoriais e/ou simulaes atividade unidade for o R2, mais ajustada est a equao. R2 unitrio
corriqueira nas atividades do engenheiro/cientista. Estes significa ajuste perfeito..
dados precisam ser compilados de forma a representar
adequadamente a varivel em estudo atravs de uma funo
contnua.
DESENVOLVIMENTO:
Interpolao o mtodo que permite construir um conjunto
contnuo de dados (uma equao que represente a varivel Dado um conjunto de dados composto por duas observaes
em estudo) a partir de um conjunto de dados discretos de x e y possvel determinar uma reta (equao do primeiro
(observaes pontuais da varivel em estudo). grau) que se ajusta perfeitamente a estas informaes, como
observado na Figura 02.
A funo contnua adequadamente gerada pela tcnica de
interpolao tem validade nos limites do intervalo de dados claro que no h melhor interpolao entre dois pontos do
discretos utilizados para a sua determinao. Quando esta que uma linha reta tendo em vista que qualquer outra
funo utilizada fora destes limites o procedimento equao (polinomial de grau superior, exponencial, etc)
denominado extrapolao. requerer informaes de pontos adicionais, os quais no
esto disponveis.
A extrapolao de funes deve ser feita com parcimnia
tendo em vista que as mesmas podero retornar erros 16
x y
substanciais. A qualidade das extrapolaes influenciada
2,0 4,0 14 y = 4x - 4
pelo: i)Comportamento fsico da varivel em anlise, o qual R = 1
pode ser distinto em diferentes faixas de valores; e ii) valor 3,0 8,0 12
assumido pelos coeficientes da funo, cujas pequenas
Varivel Y

10
variaes retornam valores significativamente diferentes 8
para y. 6
Para consolidar a diferena ente interpolao e extrapolao, 4
vejamos o problema apresentado a seguir. A partir do 2
conjunto de dados apresentados na Tabela 01 composto por -
5 observaes de pares de valores x e y correlacionados ente - 2 4 6
si possvel determinar uma equao )( = que
Varivel X
represente continuamente esta relao entre x e y. N Figura
01 apresentado o resultado desta interpolao. Figura 02 Interpolao linear de duas observaes.

x y
1,00 4,00 Para um conjunto de dados composto por trs observaes
2,00 8,00 de x e y possvel determinar uma equao do segundo grau
que se ajusta perfeitamente a estas informaes, como
3,00 8,00 observado na Figura 02. Da mesma forma, podemos
4,00 12,00 determinar uma reta para este mesmo conjunto de dados.
5,00 13,00 Neste caso o R2 no ser mais unitrio. A pergunta que fica :
Tabela 01 Conjunto de dados composto por 5 melhor utilizar uma funo polinomial de segundo grau ou
observaes de pares de valores x e y correlacionados a de primeiro grau (equao da reta) para representar os
ente si. dados? Olhando apenas para o R2 a resposta seria: Utilizar o
polinmio de segundo grau. No entanto esta no
necessariamente a resposta correta.

x y 16
2,0 4,0 14
3,0 8,0 12
4,0 8,0 y = -2x2 + 14x - 16
Varivel Y

10
R = 1
8
6
y = 2x + 0,6667
4
R = 0,75
2
-
- 2 4 6
Varivel X

Figura 03 Interpolao linear e polinomial de segundo

grau de trs observaes.

Analisando um conjunto de dados composto por cinco

observaes de x e y, poderamos utilizar polinmios 1, 2,
3 ou 4 grau para representar os dados. A medida que Figura 05 Linhas de tendncias passiveis de serem
aumentamos o nmero de variveis da equao calculadas pelo Excel.
interpoladora (aumentamos o grau do polinmio) o R2 reduz-
se at este se igualar unidade.
Podemos questionar novamente: melhor utilizar uma Selecionando a funo interpoladora mais adequada.
funo polinomial de qual grau para representar os dados?
Como j discutido anteriormente, a seleo da funo
Responderamos novamente que a melhor aproximao o interpoladora no funo exclusiva do R2, apesar da
polinmio com maior R2? Neste caso, o polinmio de quarto importncia deste indicador. A seleo da funo
grau com R2 unitrio? Neste caso, no. Lembre-se sempre que interpoladora funo do comportamento fsico esperado
esta interpolao indica uma relao entre as variveis x e y e para estas variveis.
que esta tem de estar em acordo com o comportamento fsico
esperado. Para o problema da figura 04, o mais adequado
Caso seja esperado a priori (decorrente da teoria relativa ao
seria consideras esta interpolao como linear e que os erros
problema) um determinado comportamento para as
observados (distanciamento dos pontos medidos da equao
variveis x e y (ex. comportamento linear) devemos utilizar a
da reta) decorrem de erros de medio.
equao interpoladora correta (ex. equao da reta). Caso
x y 16 esta equao no se adeque aos dados devemos tomar uma
y = 2,2x + 0,2
2,0 4 14 R = 0,9308 das aes apresentadas a seguir: i) Revisar os procedimentos
3,0 8 de coleta de dados, aprimorando-os se for o caso, de forma a
12 y = -0,1429x2 + 3,3429x - 1,8
R = 0,9363 reduzir os erros; ii) revisar a teoria do problema de forma a
4,0 8
Varivel Y

10 confirmar sua adequao ao problema. A simples adoo de

5,0 12 8 outra funo de interpolao no soluo para o problema
6,0 13 6 de interpolao.
y = 0,0833x3 - 1,1429x2 + 7,0595x - 6
4 R = 0,9382

2 y = -0,625x4 + 10,083x3 - 58,375x2 + 144,92x - 123

R = 1
-
1 3
Varivel X
Figura 04 Interpolao de 1 (reta), 2, 3 ou 4 grau de
cinco observaes.
Alem da interpolao polinomial (at o sexto grau) possvel
gerar no Excel linhas de tendncias exponenciais, logartmica,
potencial e mdia mvel, como observado na Figura 05.
Mdia mvel no retorna uma equao, mas sim uma
suavizao do comportamento das variveis obtida pelo
clculo da mdia de n observaes sequenciais.
5 7 Calculando os coeficientes da interpolao linear.
A determinao dos coeficientes das equaes interpoladoras
feita de forma a minimizar o quadrado dos erros. Erro a
diferena entre os valores obtidos via equao interpoladora
e os valores discretos disponveis.
Na Tabela 02 apresentado o procedimento de clculo dos
coeficientes da reta pela tcnica dos mnimos quadrados.
Observa-se que o resultado o mesmo da Figura 04.
Para a minimizao do quadrado dos erros utilizaremos a
funo Solver do Excel (Figura 06). Caso esta funo no
esteja ativa no seu Excel, ative-a em: opes do Excel

Suplementos
 Y_int=a.x+b aproximamos uma equao para cada subconjunto de dados
a= 2,20 (1x4 e 10x13), cujos resultados so representados pelas
b= 0,20 linhas de cores azul e vermelha, respectivamente.
x y y_int Erro^2 Os dois procedimentos retornam solues bastante distintas.
2,0 4 4,6 0,360 A melhor soluo para este problema a adoo de equaes
3,0 8 6,8 1,440 distintas para cada intervalo de dados (linhas azuis e
4,0 8 9,0 1,000 vermelhas) com validade destas nos intervalos amostrais
5,0 12 11,2 0,640 (1x4 e 10x13, respectivamente).
6,0 13 13,4 0,160
Soma: 3,600 A adoo de qualquer das equaes apresentadas aqui para o
Tabela 02 Clculo dos coeficientes da reta pela tcnica intervalo no amostrado, extrapolao, (4x10) podem
dos mnimos quadrados. gerar erros considerados. Devemos evitar a extrapolao
destas equaes.
Para solucionar o problema apontado anteriormente,
devemos realizar amostragem no intervalo 4x10, de forma
a possibilitar a definio da equao interpoladora mais
adequada para o conjunto de dados.

40

35

30

25

Varivel Y
y = 2,2632x + 0,6082
R = 0,9582 y = 1,6376x + 2,4739
20 R = 0,9669

15
Figura 06 Funo Solver do Excel
10
y = 4,3693x - 24,192
5 R = 0,844

0
Outliers 0 2 4 6 8 10 12 14 16
Varivel X
Alguns conjuntos de dados podem ter observaes
inconsistentes, ou seja, informaes com erros considerveis. Figura 07 Anlise de Extrapolao
Estas informaes, aps extensa e profunda anlise crtica
podem ser excludas do procedimento de interpolao.
Na Figura 07 so apresentados um conjunto de dados onde Mudana de Escala no Grfico
dois pontos (2; 15) e (6; 1) podem ser considerados outliers,
tendo em vista que o comportamento destes no condizem
Alguns dados aps plotados podem ser melhor visualizados
com o comportamento dos demais pontos. Estes outliers
aps mudana de escala. Este o caso do grfico apresentado
podem ser eliminados (possveis erros de medio).
na Figura 08 e 09 onde o eixo y foi alterado para a escala
16 logartmica.

14 y = 2,1739x + 0,3043 25000

R = 0,9792
12 20000
Varivel Y

10
Varivel Y

15000 y = 0,2419e 1,0949x

8 R = 0,9408

6 10000

4 5000
2
0
- 0 2 4 6 8 10 12
1 3 5 7 Varivel X

Varivel X Figura 08 Representao sem mudana de Escala

Figura 06 Outliers

Extrapolao

Na Figura 07 apresentado um conjunto de dados. Estes

dados foram coletados em dois intervalos distintos: i) h 8
observaes no intervalo de 1x4; e ii) h 8 observaes no
intervalo de 10x13.
Podemos apresentar duas solues distintas para este
problema: i) Aproximamos uma nica equao (linear neste
caso) para o conjunto total de dados (linha verde); e ii)
 100000 x y
y = 0,2419e 1,0949x
10000 R = 0,9408
0,05 0
0,50 1
1000
0,70 1
Varivel Y

100 2,20 13
10 3,00 60
3,30 25
1
0 2 4 6 8 10 12 3,60 50
0,1
Varivel X 3,70 110
5,00 120
Figura 09 Representao com mudana de escala no
eixo y (logaritmo) 5,60 120
5,70 80
6,00 190
CONCLUSO: 6,30 140
Ao longo desta aula discorremos sobre interpolao e 6,50 450
extrapolao. Para a fixao das metodologias apresentadas 7,50 400
nesta aula pede-se que:
6,70 370
Para fixar o contedo, vamos ao nosso stimo trabalho 7,30 430
Trabalho 08 Interpolao Numrica, o qual consiste 7,60 370
em: 7,70 440
i) Determinar as interpolaes que melhor se 8,30 280
adquam aos dados apresentados nas Tabelas 03 e 9,30 780
04.
ii) Determinar por mnimos quadrado (como feito na 9,40 770
Tabela 02) os coeficientes da regresso linear para 9,60 500
os dados da Tabela 03.
Tabela 04 Dados para Extrapolao
x y
9 23
15 45
No esquea que o trabalho dever seguir o modelo adotado
18 54 para a nossa disciplina, devendo conter: i) Objetivo; ii)
20 140 Introduo; iii) Desenvolvimento; e iv) Concluso
25 70
30 200
40 101
41 103
45 136
46 111
60 133
61 180
66 189
67 185
72 178
75 179
77 191
79 170
80 20
81 22
85 250
88 232
96 247
Tabela 03 Dados para Interpolao