Professional Documents
Culture Documents
Designando por X o valor estimado de uma grandeza medida; por m o seu verdadeiro
valor, e por li os valores observados, tem-se que:
e v = li - m - erro verdadeiro;
e a = li - X - erro aparente;
Vi = X - li - resíduo
Para apresentar o MMQ, considere o caso muito simples de medida direta de uma
grandeza X. Sejam
l ,l , l ,..., l
1 2 3 n
x - l =v
1 1
x -l = v
2 2
x - l = v ;i =1,2,..., n
i i
.............
x -l =v
n n
Mudando o critério, poder-se-ia adotar um outro valor x’; resultaria um novo conjunto de
resíduos:
x¢ - l = v ¢
i i
E assim por diante. Qual dos valores x, x’,... adotar? Como escolher um critério que
permita, das observações repetidas l , discrepantes entre si, extrair um valor único para
i
representar a incógnita X?
Há dois séculos, Gauss e Legendre indicaram a solução: Método dos Mínimos Quadrados
– MMQ.
ENUNCIADO:
A melhor estimativa de uma grandeza X é o valor que torna mínima a soma dos quadrados dos
resíduos:
åv
2
i = min
i =1
Quando as observações não oferecem o mesmo grau de confiança, são homogeneizadas através
da atribuição de pesos p :
i
å pv
2
i i = min
i =1
Até há bem pouco tempo, a teoria clássica dos mínimos quadrados manteve-se inalterada;
isto é, impunha restrições hoje dispensáveis: observações não correlacionadas e os resíduos
obedecerem à distribuição normal. Foram os avanços da Estatística Matemática, através da
extraordinária concisão da linguagem matricial associada ao uso de computadores capazes de
manipular matrizes de elevadas dimensões, que mostraram a conveniência da revisão de certos
conceitos. Assim, os pré-requisitos de “observações não correlacionadas” e os de “desvios
normais” recebem atualmente outro enfoque: as observações são encaradas como variáveis
aleatórias ou estocásticas (sujeitas as oscilações probabilísticas) e o ajustamento proporciona
estimativas das mesmas e/ou de quantidades (parâmetros) a elas ligadas. A introdução da
estimativa por intervalos e dos testes estatísticos veio possibilitar o tratamento mais lógico de
certos problemas.
RESUMO
Observações diretas são aquelas em que as medidas são efetuadas diretamente sobre a
grandeza incógnita ou desconhecida. Em geral, trata-se, portanto, na medida de uma distância, de
um ângulo ou qualquer medida repetida sobre uma grandeza. Mais adiante será mostrado que a
Média Aritmética satisfaz o Método dos Mínimos Quadrados (MMQ) quando o problema é o
ajustamento de observações diretas.
O valor ajustado é dado por uma estimativa pontual, ou seja, por um único valor
representado pela média aritmética simples.
Admitindo que sobre uma mesma grandeza desconhecida, um ângulo por exemplo, tenha
sido efetuada uma série de n medidas repetidas, independentes entre si, e que as mesmas
apresentem o mesmo grau de confiança.
l1 , l2 , l3 ,..., ln
X = l1 + v1 v1 = X + l1
X = l2 + v2 v2 = X + l2
................ ................
X = ln + vn vn = X + l n
n
f = V V = å vi = ( X - l1 ) 2 + ( X - l 2 ) 2 + ...+ ( X - l n ) 2 = min
T 2
i =1
Verifica-se que, para observações diretas (de mesma precisão e não correlacionadas) a
estimativa da grandeza procurada (valor mais provável) X é a média aritmética simples.
1 T
X= A LB
n
apresenta duas matrizes: A um vetor coluna (nx1) de termos unitários e LB o vetor (nx1) das
observações.
Adotada a média aritmética como representativa da grandeza medida, resta estimar o grau
de precisão desta estimativa – desvio padrão ou erro médio quadrático. Para tanto necessita-se de
uma estimativa da precisão das observações ajustadas.
Como índice de precisão utiliza-se o desvio padrão sˆ ’ou o erro médio quadrático m,
com ŝ =|m|.
O erro médio quadrático foi proposto por Gauss, que o definiu como a raiz quadrada da
média dos quadrados dos erros verdadeiros. Como os erros verdadeiros são desconhecidos, o
erro médio quadrático pode ser expresso em função dos resíduos relativos à média:
n n
å ei åv
2 2
i
m= i =1
m = sˆ = i =1
n n -1
V TV
m = sˆ =
n -1
Nas aplicações as observações são substituídas pela média aritmética; portanto, interessa
a precisão desta média.
n n
å vi 2
åv i
2
sˆ X = mX =
2 2 i =1
sˆ X = m X = i =1
n( n -1) n (n - 1)
V TV
ou, escrevendo na forma matricial: sˆ X = m X = .
n (n - 1)
Medidas duplas
Freqüentemente as observações diretas são feitas aos pares (medidas duplas). É o caso,
por exemplo, do nivelamento de uma linha ou da medição de uma distância. No nivelamento a
seção é nivelada duas vezes: na ida (nivelamento) e na volta (contranivelamento); a medida de
uma distância é feita em ida e volta (vante e ré).
A partir das discrepâncias (d) entre as duas observações pode-se calcular a média
aritmética:
d d
X = l2 - = l1 +
2 2
d d
mX = ± . O desvio padrão é igual a sˆ X = .
2 2
P (a e b) = 1 -
onde:
É muito comum na prática, a utilização dos níveis de confiança de 90%, 95%, 99%.
( X - m)
t= P (-t1- / 2 t t1+ / 2 ) = 1 -
sˆ / n
Assim,
( X - m)
P( -t1- / 2 t t1+ / 2 ) = 1 -
sˆ / n
sˆ sˆ
P( X - t1- / 2 m X + t1+ / 2 ) = 1-
n n
sˆ sˆ
X - t1- / 2 m X + t1 + / 2
n n
( n -1)sˆ 2
c2 =
s2
P ( c 2 c 2 c 2 ) = 1 -
1-
2 2
Assim,
( n -1)sˆ 2
P( c 2 c 2 ) = 1 -
s
2
1-
2 2
( n - 1)sˆ 2 ( n - 1)sˆ 2
P( s 2
) = 1-
c2 c2
1-
2 2
( n -1)sˆ 2 ( n -1)sˆ 2
s 2
c2 c 2
1-
2 2
( n -1)sˆ 2 ( n -1)sˆ 2
s 2X
c2 n c2 n
1-
2 2
OBS: Verificar o manuseio da tabela do “qui-quadrado”.
APLICAÇÃO
Um ângulo foi medido 10 vezes e as medidas efetuadas estão no quadro que segue
(Gemael, 1994):
Li Ângulo Quesitos:
01 120o 31’ 40,1” a) Calcular a estimativa pontual: média aritmética
02 41,2” simples, erro médio quadrático de uma observação
03 40,8” isolada e o erro médio quadrático da média;
04 42,1”
05 42,9” b) Construir o intervalo de confiança para a média,
06 42,4” variância e desvio padrão, a um nível de confiança de
07 43,0” 95%.
08 40,7”
09 41,9”
10 41,5”
Resposta:
Estimativa pontual: Estimativa por intervalo:
X = 120o 31’ 41,66” P = 95% = [120o31' 40,96 '' m 120o31'42, 36 '']
m = ±0,9698" sˆ = 0, 9698" P = 95% = [, 4449 ''(2) s 2 3,1343''(2) ]
mX = ±0,31" sˆ X = 0,31" P = 95% = [0, 67 '' s 1, 77 '']
Tabela da distribuição de t de Student
Tabela da distribuição de “qui-quadrado”