■ MODELOS LINEARES
■ MODELOS LINEARES
y y = mx + b
Os métodos mais importantes para obter modelos lineares são baseados na seguinte idéia: dado qualquer modelo linear y = mx + b proposto, trace um segmento de reta vertical conectando cada ponto de dados (y i ,y i ) com a reta proposta e considere as diferenças y i − y (Figura 1.7.2).
Essas diferenças, denominadas resíduos, podem ser interpretadas como os “erros” que resultam
Resíduo
ao utilizar a reta para modelar os dados. Pontos acima da reta apresentam erros positivos, pontos
mx i +b
abaixo apresentam erros negativos e pontos na reta não têm erro.
Uma maneira de escolher um modelo linear é procurar aquela reta y = mx + b para a
qual a soma dos resíduos é nula, a justifi cativa sendo que assim os erros positivos e negati-
vos se cancelam. Contudo, não é difícil construir modelos em que esse procedimento produz
Figura 1.7.2
modelos inaceitavelmente pobres, de modo que, por razões que não podemos discutir aqui, o método mais comum de encontrar um modelo linear é procurar aquela reta y = mx + b para a qual a soma dos quadrados dos resíduos é a menor possível. Essa reta é denominada reta de
regressão ou reta de melhor ajuste de mínimos quadrados, ou simplesmente reta de míni-
mos quadrados.
É possível calcular uma reta de regressão mesmo nos casos em que os dados não pos-
A maioria das calculadoras gráfi cas,
suam um padrão linear aparente. Desse modo, é importante ter um método quantitativo para
dos sistemas computacionais simbó-
licos e dos programas de planilhas
determinar se um modelo linear é apropriado para os dados. A medida de linearidade de da-
fornece métodos para obter retas
dos mais comum é o coefi ciente de correlação, que, seguindo a tradição, é denotado por r.
de regressão. Para acompanhar os
Embora uma discussão detalhada de coefi cientes de correlação esteja além do alcance deste
exemplos desta seção será neces- sário que o leitor disponha de algum
livro, aqui temos alguns fatos básicos:
desses recursos computacionais.
• Os valores de r estão no intervalo −1 ≤ r ≤ 1, onde r tem o mesmo sinal da inclinação
da reta de regressão. • Se r é igual a 1 ou a −1, então os pontos de dados estão todos sobre uma reta, de
modo que um modelo linear é um ajuste perfeito para os dados. • Se r = 0, então os pontos de dados não exibem tendência linear alguma e um modelo
linear é inapropriado para os dados.
78 Cálculo
Quanto mais próximo r estiver de 1 ou de −1, mais próximos fi cam os pontos de dados da reta de regressão e mais apropriada é a reta de regressão como um modelo para esses dados. Quanto mais próximo r estiver de 0, mais dispersos estão os pontos de dados e menos apro- priada é a reta de regressão como um modelo para esses dados (Figura 1.7.3).
Enunciado de maneira menos precisa, podemos dizer que o valor de r 2 é uma medida
da percentagem dos pontos de dados que caem em uma “faixa linear mais estreita”. Assim, r = 0,5 signifi ca que 25% dos pontos de dados caem em uma faixa linear mais estreita e r = 0,9 signifi ca que 81% dos pontos caem em uma faixa linear mais estreita. (Uma explicação preci- sa do que signifi ca “faixa linear mais estreita” requer idéias da Estatística.)
T abela 1.7.1
䉴 Exemplo 1
A Tabela 1.7.1 fornece um conjunto de pontos de dados que relacionam a
TEMPERATURA PRESSÃO p
pressão p em atmosferas (atm) e a temperatura T (em °C) de uma quantidade fi xa de dióxido
T (°C) (atm)
de carbono em um cilindro fechado. O gráfi co associado na Figura 1.7.4a sugere que existe
uma relação linear entre a pressão e a temperatura.
(a) Use um recurso computacional para encontrar a reta de mínimos quadrados. Se o
recurso fornecer o coefi ciente de correlação, encontre-o.
(b) Use o modelo obtido em (a) para prever a pressão quando a temperatura for de
250 °C. (c) Use o modelo obtido em (a) para prever a temperatura na qual a pressão do gás
será nula.
Solução (a)
A reta de mínimos quadrados é dada por p = 0,00936T + 2,558 (Figura 1.7.4b)
com coefi ciente de correlação r = 0,998979. Solução (b) Se T = 250, então p = (0,00936)(250) + 2,558 = 4,898 (atm). Solução (c) Resolvendo a equação 0 = p = 0,00936T + 2,558, obtemos T ≈ −273,291ºC. 䉳
p (atm) 3,50
p (atm) 3,50
Pressão
Pressão
Temperatura (°C)
Temperatura (°C)
(a)
(b)
Figura 1.7.4
Capítulo 1 / Funções
Nem sempre é conveniente (ou necessário) obter uma reta de mínimos quadrados para criar um modelo de um fenômeno linear. Em alguns casos, são sufi cientes métodos mais ele- mentares. Aqui temos um exemplo.
䉴 Exemplo 2
A Figura 1.7.5a mostra um gráfi co de temperatura versus altitude transmi- tido pela nave espacial Magellan, quando entrou na atmosfera de Vênus em outubro de 1991. O gráfi co sugere fortemente que há uma relação linear entre temperatura e altitude para alti- tudes entre 35 e 60 km.
(a) Use o gráfi co transmitido pela Magellan para encontrar um modelo linear de tem- peratura versus altitude na atmosfera de Vênus que seja válido entre 35 e 60 km de altitude.
(b) Use o modelo obtido em (a) para estimar a temperatura na superfície de Vênus e discuta as hipóteses feitas para obter a estimativa.
Solução (a) Seja T a temperatura em kelvins e h a altitude em quilômetros. Vamos, primei- ro, estimar a inclinação m da parte linear do gráfi co, depois estimar as coordenadas de um
ponto (h 1 ,T 1 ) nos dados daquela parte e, então, usar a forma ponto-inclinação da reta T −T 1 = m(h −h 1 ) (2) O gráfi co passa aproximadamente pelo ponto (60, 250), assim vamos tomar h 1 ≈ 60 e T 1 ≈
250. Na Figura 1.7.5b, esboçamos uma reta que aproxima a parte linear dos dados. Usando a intersecção da reta com os lados da malha, estimamos a inclinação em
m≈ =− 48 = −8,125 K km /
Temperatura da atmosfera de Vênus Temperatura da atmosfera de Vênus 450
Órbita Magellan 3213
Órbita Magellan 3213 Data: 5 de outubro de 1991
Data: 5 de outubro de 1991 400
Latitude: 67N LTST: 22:05
Latitude: 67N LTST: 22:05
30 40 50 60 70 80 90 100 Altitude h (km)
Altitude h (km) Fonte: NASA
Fonte: NASA
(a) (b)
Figura 1.7.5
80 Cálculo
Substituindo nossas estimativas de h 1 ,T 1 e m em (2), obtemos a equação
No melhor dos casos, o método do
T − 250 = −8,125(h − 60)
Exemplo 2 é grosseiro, uma vez que
ou, de forma equivalente,
depende da obtenção de estimati- vas aproximadas de dados numéri-
T = −8,125h + 737,5
(3)
cos de um gráfi co. Mesmo assim, o resultado fi nal é muito bom, pois as
Solução (b)
A nave espacial Magellan interrompeu a transmissão de dados a uma altitu-
informações recentes da NASA dão
de de aproximadamente 35 km. Assim, não podemos estar certos de que o modelo linear se
a tempertaura na superfície de Vênus em cerca de 740 K (o sufi ciente para
aplique a altitudes mais baixas. Todavia, supondo que o modelo seja válido para altitudes
derreter chumbo).
mais baixas, podemos aproximar a temperatura na superfície de Vênus, fazendo h = 0 em (3). Obtemos T ≈ 737,5 K (464,32°C). 䉳