Ajuste de uma função pelo Método dos Mínimos-Quadrados
Transcrição
Ajuste de uma função pelo Método dos Mínimos-Quadrados
Ajuste de uma função pelo Método dos Mínimos-Quadrados O Método dos Mínimos-Quadrados é um método estatístico de tratamento de dados que permite obter os parâmetros de uma função que a aproximam o mais possível dos pontos experimentais. Nas figura 1a e 1b mostram-se duas situações em que as funções teóricas Δl = AM = € g m K (1) A0 (2) 2 (4π 2 f 02 − 4π 2 f a2 ) + 16π 2λ2 f a2 se aproximam claramente dos pontos experimentais. € a) b) Figura 1: a) Ajuste da função (1) a um conjunto de dados experimentais; b) ajuste da função (2) a um conjunto de dados experimentais. Observando os gráficos é fácil de verificar que as curvas teóricas não passam por todos os pontos experimentais. Existem pontos com ordenadas superiors às curvas teóricas e pontos com ordenadas inferiores. No caso do gráfico da figura 1a poderiamos ter obtido um ajuste idêntico se tivessemos colocado os pontos num gráfico em papel milimétrico e MO-Lab – MMQ.doc (Versão 6.3.5-1) 1 de seguida desenhado uma recta que se aproximasse o mais possível de todos os pontos simultaneamente. No caso do gráfico da figura 1b já seria mais dificil desenhar a curva teórica porque é uma curva que não depende linearmente da variável independente. Numericamente o problema resume-se a encontrar o valor do declive da recta no caso do figura 1a e dos valores de A0 , λ, f a que permitem traçar a melhor curva (2) no caso da figura 1b. O caso da recta da figura 1a é mais fácil porque existe uma solução analítica. O € caso da figura 1b só tem um solução numérica obtida iterativamente. Figura 2: Detalhe da qualidade do ajuste de uma recta a um conjunto de pontos experimentais. O ajuste de uma recta pelo método dos mínimos quadrados é muita vezes designado por regressão linear e numericamente pode ser expresso da seguinte forma: 1. Para cada ponto experimental calcula-se a diferença entre a ordenada experimental e o valor da função calculado para a abcissa correspondente Δy = y exp − f (x i ) . Se a função for uma recta então f (x) = a + bx e Δy = y exp − a − bx i € MO-Lab – MMQ.doc (Versão 6.3.5-1) € € 2 2. Calcula-se a soma dos quadrados dessas diferenças para todos os pontos experimentais tendo em conta o erro experimental de cada ponto, εy exp 2 y − f (x ) N y − a − bx i i Q2 ( a,b) = ∑ exp = ∑ exp i=1 i=1 εy exp €εy exp 2 N (3) Note-se que quanto maior for o erro experimental de um ponto εy exp menor sera a contribuição desse ponto para o resultado final. € € 3. O resultado dessa soma, Q2 ( a,b) , é uma função de duas variáveis a e b, a ordenada na origem e o declive, respectivamente. Os valores de a e b que interessam são aqueles para os quais a função Q2 ( a,b) tem o valor mínimo. Essa € situação corresponde à ideia intuitiva de que a curva passa próximo de todos os pontos simultaneamente. Os valores de a e b que correspondem a esse mínimo € obtêm-se calculando ∂Q 2 =0 ∂a2 ∂Q = 0 ∂b (4) (o facto de termos uma função de 2 variáveis não consitui problema uma vez que € basta calcular cada uma das derivadas assumindo que tudo o resto é constante). Para termos a certeza que os valores de de a e b que satisfazem (4) corrspondem a um mínimo de (3) as segundas derivadas têm de ser positivas. Podemos anticipadamente ter essa certeza porque (3) é uma função quadrática. O sistema (4) tem solução analítica e os valores a e b que o satisfazem são MO-Lab – MMQ.doc (Versão 6.3.5-1) 3 y y x x i2 x ∑ ε 2 ∑ ε 2exp − ∑ ε 2 i ∑ εexp2 i y exp y exp y exp y exp a = 2 2 1 xi xi ∑ ε 2 ∑ ε 2 − ∑ ε 2 y exp y exp y exp y exp x i y 1 x − ∑ 2 i ∑ 2exp ∑ ∑ 2 2 εy exp εy exp εy exp εy exp b = 2 1 x i2 xi ∑ ε 2 ∑ ε 2 − ∑ ε 2 y exp y exp y exp (5) As incertezas experimentais também se propagam ao declive e à ordenada na origem e podem-se calcular através das expressões € x2 ∑ ε2 i y exp σ a = 2 2 1 x x i i ∑ ε 2 ∑ ε 2 − ∑ ε 2 y exp y exp y exp 1 ∑ ε2 y exp σ b = 2 2 1 xi xi ∑ ε 2 ∑ ε 2 − ∑ ε 2 y exp y exp y exp (6) No caso de uma função não linear nos parametros de ajuste o sistema (4) equação € pode não ter solução analítica e os valores dos parâmetros de ajuste têm de ser obtidos numericamente de forma iterativa. Nos casos mais simples em que as funções de ajuste são rectas e temos poucos pontos experimentais (5) e (6) podem ser calculados com uma simples máquina de calcular. No entanto facilmente nos deparamos com a necessidade de utilizar programas informáticos de tratamento de dados. MO-Lab – MMQ.doc (Versão 6.3.5-1) 4 MO-Lab – MMQ.doc (Versão 6.3.5-1) 5