A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Métodos Numéricos Computacionais Rodrigo Cristiano Silva

Apresentações semelhantes


Apresentação em tema: "Métodos Numéricos Computacionais Rodrigo Cristiano Silva"— Transcrição da apresentação:

1 Métodos Numéricos Computacionais Rodrigo Cristiano Silva

2 Regressão por Mínimos Quadrados Quando um erro substancial estiver associado aos dados, a interpolação polinomial é inapropriada e pode produzir resultados insatisfatórios quando usada para prever valores intermediários; Dados experimentais, em geral, são desse tipo; A figura abaixo mostra sete pontos de dados obtidos experimentalmente exibindo variações significativas;

3 Regressão por Mínimos Quadrados Se um polinômio de grau seis for ajustado a esses pontos (figura slide anterior), ele passará por todos os pontos, mas devido a variabilidade dos dados, a curva vai oscilar muito no intervalo entre os pontos; Uma estratégia mais adequada para tais casos seria determinar uma função aproximadora que ajustasse a forma ou tendência geral dos dados sem necessariamente passar por todos os pontos; Uma forma de fazê-lo é determinar a curva que minimize a discrepância entre os dados e os pontos da curva;

4 Regressão Linear O exemplo mais simples de aproximação por mínimos quadrados é ajustar uma reta a um conjunto de pares de observação (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ) ; A expressão matemática do ajuste por uma reta é: onde a 0 e a 1 são coeficientes representando a intersecção com o eixo y e a inclinação, respectivamente, e e é o erro ou resíduo entre o modelo e a observação, o qual pode ser representado, reorganizando a expressão anterior:

5 Critério para Melhor Ajuste Uma estratégia é minimizar a soma dos quadrados dos resíduos entre o y medido e o y calculado com o modelo linear:

6 Ajuste por uma Reta Para determinar os valores de a 0 e a 1, a equação apresentada no slide anterior é derivada com relação a cada coeficiente:

7 Ajuste por uma Reta Igualando as derivadas a zero será obtido um S r mínimo. As equações podem ser expressas como:

8 Ajuste por uma Reta Portanto, pode-se expressar as equações como um sistema de duas equações lineares:

9 Ajuste por uma Reta As equações do sistema podem ser resolvidas simultaneamente através das expressões abaixo:

10 Regressão Polinomial O procedimento dos mínimos quadrados pode ser prontamente estendido para ajustar dados por um polinômio de grau mais alto. Por exemplo, suponha que se queira ajustar um polinômio de segundo grau: Nesse caso, a soma dos quadrados dos resíduos é:

11 Ajuste por uma Parábola Seguindo o mesmo procedimento usado para ajuste por uma reta, toma-se a derivada de S r com relação a cada um dos coeficientes desconhecidos do polinômio:

12 Ajuste por uma Parábola As equações apresentadas no slide anterior podem ser igualadas a zero e reorganizadas para determinar o seguinte sistema linear:

13 Ajuste por uma Parábola Observe que o sistema do slide anterior apresenta três equações lineares que possuem três incógnitas a 0, a 1 e a 2 ; Nesse caso, vê-se que o problema de determinar o polinômio de segundo grau por mínimos quadrados é equivalente a resolver um sistema de três equações lineares com três incógnitas.


Carregar ppt "Métodos Numéricos Computacionais Rodrigo Cristiano Silva"

Apresentações semelhantes


Anúncios Google