Em 01 de janeiro de 1801, Ceres, um novo asteride, foi descoberto, mas
desapareceu atrs do sol logo depois de ser observado. Astrnomos previram quando e onde Ceres reapareceria, mas seus clculos diferiram muito daqueles feitos, independentemente, por Gauss. Ceres reapareceu em 07 de dezembro de 1801, quase exatamente onde Gauss predisse que ele estaria. Apesar de no ter revelados seus mtodos naquela poca, Gauss havia usado o mtodo de aproximao por mnimos quadrados, o qual ele descreveu em um artigo em 1809. O mesmo mtodo j era conhecido antes. Cotes introduziuo no comeo do sculo XVIII e Lagendre em 1806 publicou um artigo sobre o mesmo. Mas Gauss quem, geralmente, recebe os crditos pelo mtodo de aproximao por mnimos quadrados. O MMQ um procedimento utilizado para obter a melhor reta que pode ser ajustada aos dados utilizados. Sabemos que uma das mais importantes aplicaes do MMQ estimar constantes associadas a vrios processos, como, a taxa de crescimento de uma populao, que um dos exemplos que veremos no decorrer deste trabalho, bem como conceitos, teoremas e outros exemplos do uso do MMQ. Neste trabalho veremos como encontrar a curva que melhor se ajusta a curva original e aprenderemos mais sobre seus conceitos. As curvas mais comuns utilizadas por este mtodo so: reta, parbola, cbica e qurtica.
MODELO MATEMTICO, FUNCIONAL E ESTOCSTICO
Modelo matemtico
Chama-se modelo matemtico os sistema terico ou conceito abstracto atravs do qual se descreve uma situao fsica ou um conjunto de acontecimentos. Esta descrio no necessariamente completa ou exaustiva. Como um modelo serve um propsito especfico, a sua formao pode variar largamente de um ponto de vista para outro. Deste modo, o mesmo sistema fsico pode ser descrito por mais do que um modelo. Um modelo matemtico pode ser dividido em duas partes conceituais: o modelo funcional e o modelo estocstico: Modelo funcional
O modelo funcional composto por relaes que descrevem a geometria ou caractersticas fsicas do problema em questo.
Exemplo 1: Para a determinao da rea de um terreno retangular com lados a e b o modelo funcional A = ab.
Modelo estocstico
O modelo estocstico composto pelo conjunto de relaes que descrevem as propriedades estatsticas dos elementos envolvidos no modelo funcional. O modelo estocstico indica por exemplo a qualidade das observaes feitas (as suas precises, relativas ou absolutas), indica se as observaes esto correlacionadas ou no, indica ainda as variveis que so consideradas constantes durante o ajustamento e as que se pretendem determinar.
FINALIDADE DO MTODO DOS MNIMOS QUADRADOS
De acordo com o que foi dito no ponto 1.1.2., quando se pretendem determinar uma ou vrias grandezas normalmente fazem-se mais observaes do que as estritamente necessrias para determinar o problema em questo. Devido superabundncia existente temos vrias possibilidades de obter solues para o problema, que sero tantas quantas as combinaes que podemos formar com as observaes, tomadas em nmero mnimo necessrio para resolver o problema em questo. Desta forma as observaes l 1 , l 2 ,...,l n no so consistentes com o modelo funcional, e teremos que substitui-las por um conjunto de estimativas ^ l 1 , ^ l 2, ^ l n (observaes ajustadas) que satisfaam o modelo funcional. Estas estimativas so obtidas adicionando a cada uma das observaes uma quantidade denominada de correco ou resduo (v i ) de tal forma que:
^ l i = l i + v i com i = 1, 2,...,n
Mas existem vrios valores de v i que daro origem a um conjunto de observaes ajustadas consistente com o modelo funcional.
EXEMPLO:
Se para determinarmos a forma de um tringulo medirmos os seus trs ngulos internos o, | e , teremos como modelo funcional a seguinte equao:
o + | + = 180
no entanto muito provvel que a soma dos trs ngulos medidos no seja 180, devido existncia de erros aleatrios nas medies. Suponhamos ento que a sua soma excede 180 em 3''. Para termos as observaes consistentes com o modelo funcional teremos que substituir os valores observados por valores ajustados, que podemos obter de vrias formas. Neste caso podemos por exemplo subtrair a cada ngulo observado 1'', ou subtrair 2'' a um ngulo e 1'' a outro, ou ainda subtrair os 3'' apenas a um ngulo, deixando os restantes dois inalterados. Para escolhermos o "melhor" conjunto de observaes ajustadas (ou seja os valores mais provveis para as observaes ajustadas) vamos utilizar um critrio adicional, que o critrio dos mnimos quadrados.
PRINCPIO DO MTODO DOS MNIMOS QUADRADOS
O critrio dos mnimos quadrados consiste em minimizar a funo
u = v t Wv ,
onde v o vector dos resduos associado s n observaes l 1 , l 2 ,...,l n
2 2
e W a matriz dos pesos das observaes, que uma matriz quadrada de ordem n. Para observaes consideradas independentes (ou no correlacionadas) a matriz dos pesos toma a forma:
sendo w i o peso da observao i, o 0 2 a varincia de referncia (a varincia de uma observao com peso unitrio) e o i 2 a varincia da observao i. Como no caso de observaes no correlacionadas a matriz W uma matriz diagonal, a funo u toma a forma: u = i =1(w i v i ) e no caso mais simples em que as observaes alm de serem no correlacionadas tm a mesma preciso (W i = 1) temos:
u = i =1(v i )
donde advm o nome do critrio. Assim, as observaes ajustadas vo ser os elementos do vetor ^ l= l + v, sendo l o vetor das observaes e v o vetor dos resduos que tornam mnima a funo u.
EXEMPLO
Para a realizao deste trabalho, foram simuladas duas poligonais com mesma magnitude de erro angular e ordem de grandeza de erro linear semelhante. Sendo uma poligonal fechada em loop, e outra enquadrada. A poligonal fechada (loop) em torno do mesmo ponto pode ser visualizada na figura (1) e a poligonal enquadrada na figura (2) Os valores das observaes a serem ajustadas esto indicados na figura 1 e figura 2 e esto apresentados na tabela 1 e 2 respectivamente. Na poligonal fechada, figura 1, conhecido as coordenadas do ponto inicial P1 considerada fixa no ajustamento, e o azimute do alinhamento P1P2 com desvio padro de 0,001 segundos de arco. As coordenadas iniciais do ponto P1 so: X= 5000,000 m e Y=10000,000 m e o Azimute do Alinhamento P1P2 de 0 '" 210 2010 .
Observa-se na figura o nmero de observaes angulares so um total de oito ngulos horizontais, sendo sete ngulos horizontais horrios e um azimute. J as observaes de distncias totalizam sete. Deste modo tm-se quinze observaes. O nmero de incgnitas a determinar, coordenadas X e Y, dos pontos da poligonal soma um total de 12. O nmero de graus de liberdade de trs e pode ser obtido pela equao (1)
Gl= m- n Onde, gl = nmero de graus de liberdade; m o nmero de equaes de observaes do mtodo paramtrico, ou seja, o nmero de observaes igual ao nmero de equaes de observao; n o nmero de incgnitas. A poligonal enquadrada apresentada na figura 2 mostra os dois pontos de controle P1 e P7, considerados fixos no ajustamento. As coordenadas dos pontos de controle P1 e P7 so respectivamente X = 5000,000 m; Y = 10000,000 m e X =5328,774 m; Y = 10072,045 m. Na poligonal da figura 2, tm-se sete observaes de ngulo e seis de distncias, totalizando treze observaes. O nmero de incgnitas so um total de dez. Deste modo, tem-se um nmero graus de liberdade igual a trs.
Na tabela 1 esto indicados os valores dos ngulos horrios, das distncias entre os vrtices e precises que esto representados graficamente pela figura 1.
Na tabela 2 esto indicados os valores dos ngulos horrios, distncias entre os vrtices e precises que esto representados graficamente pela figura 2.
Ajustamentos de observaes pelo Mtodo dos Mnimos Quadrados
Apresenta-se o itinerrio para a realizao do ajustamento pelo M.M.Q - caso Paramtrico. 1 passo: estudar o problema de forma a determinar as equaes matemticas de observaes que envolvem os parmetros. Na forma dada pela equao: La= F(Xa ) Onde, La representa o vetor das observaes ajustados, u representa o n. de parmetros eXa so os parmetros ajustados.
2 passo: obter os valores aproximados para os parmetros 0 (x ). Os valores dos parmetros aproximados do presente trabalho foram calculados utilizando-se das coordenadas do vrtice inicial ( 1 p ) da poligonal, apresentada na figura 1, do azimute inicial do alinhamento 1-2, os comprimentos dos lados e os ngulos horrios.
3 passo: montar a matriz dos pesos Para montar essa matriz necessrio que se conheam as precises com que foram obtidas as observaes (ngulos e distncias). Caso no tenha sido feito medidas repetidas para obteno das precises das observaes, pode-se considerar a preciso nominal do aparelho. Essa matriz ser diagonal, devido a no considerao das correlaes entre as observaes. O sigma zero a priori , ou fator de varincia a posteriori pode ser arbitrrio, geralmente assume-se o valor igual unidade. A Matriz Varincia - Covarincia das Observaes - MVC (Lb) formada por meio dos valores da preciso (varincia) de cada observao e (covarincia) caso haja correlao entre as observaes.
4 passo: encontrar o vetor das observaes aproximadas L F(X ) Este vetor calculado pela substituio dos valores aproximados obtidos no passo 2 nas possveis equaes de observaes
5 passo: encontrar o vetor dos termos independentes L = Lb-L 0 O vetor L dos termos independentes resultado da diferena do vetor das observaes e o vetor das observaes aproximadas obtidas no 4 passo.
6 passo: montagem da matriz design ou matriz A. A matriz A obtida por meio das derivadas parciais das equaes de observaes em relao aos parmetros ajustados no ponto aproximado. A dada pela equao
7 passo: resoluo do sistema de equaes normais O modelo matemtico das equaes de observao linearizadas dado pela equao.
AX- L =V;
onde, V: vetor dos resduos das observaes, obtido do ajustamento para corrigir as observaes; X: o vetor incgnito das correes, a serem aplicadas aos parmetros aproximados para a obteno dos parmetros ajustados, ou seja, coordenadas dos pontos da poligonal ajustado. Aplicando o princpio dos mnimos quadrados na equao e aps algumas operaes algbricas e matriciais, obtm-se os sistemas de equaes normaisdadas pelas equaes e a resoluo do sistema de equao normal dado pela equao:
8 passo: clculo dos parmetros ajustados Xa O clculo dos parmetros, coordenadas ajustadas dado pela equao: Xa=X0+X 9 passo: encontrar o vetor dos resduos V O vetor dos resduos utilizado para o clculo das observaes ajustadas e para o clculo do sigma zero a posteriori dado pela equao: V =AX- L 10 passo: clculo do sigma zero a posteriori 20 , dado pela equao (13).
onde, O sigma zero a posteriori um valor que deve ser confrontado com o sigma zero a priori, por meio do teste qui-quadrado. Caso seja detectada diferena estatstica a certo nvel de significncia , deve-se verificar se h problemas no ajustamento. De acordo com Gemael (1994) a forma quadrtica tem a distribuio 2 com S = graus de liberdade, isto .
Testamos a hiptese bsica: Comparando o qui-quadrado, pode ser calculado dado pela equao (14) com os valores tericos dados pelas equaes:
Os valores tericos podem ser calculados, com auxlio de uma tabela de distribuio qui-quadrado. Para isso, basta entrar com o nmero do grau de liberdade e o nvel de significncia , e podem ser calculados pelas equaes
A hiptese bsica no rejeitada, no nvel de significncia se estiver dentro do intervalo dado pela equao :
11 passo: clculo da MVC dos parmetros ajustados Xa. A MVC dos parmetros estimados dada pela equao uma matriz completa e simtrica que permite a determinao da preciso com que os parmetros foram estimados. Na diagonal principal encontram-se valores de varincia e fora da diagonal, valores de covarincia.