Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas


Atividade matematica aplicada, Exercícios de Matemática Aplicada

Atividade realizada no software com base na disciplina do professor

Tipologia: Exercícios

2025

Compartilhado em 27/02/2026

bohobookeslula
bohobookeslula 🇧🇷

4 documentos

1 / 8

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
(* Lista de tratamento estatístico e ajuste de curvas
Amanda Amanai Mouzinho da Silva*)
(*
unidade imaginária
I*)
datalist
= {{1, 14 479},{1.5, 5767},{2, 68 572},{3, 58 019},{3.5, 84 176},
{4, 09 957},{5, 09 166},{5.5, 98 085},{4.5, 49 449},{6, 12 113}};
(*a) *)
fitQuadratic
=
ajusta
Fit[datalist, {1, x, x^2}, x];
gráfico
Plot
[{fitQuadratic},{x, 0.5, 6.5},
epílogo
Epilog {
ve
Red,
tamanho do ponto
PointSize[0.02],
ponto
Point[datalist]},
legenda do gráfico
PlotLegends "Expressions"]
(*b) *)
fit4Degree
=
ajusta
Fit[datalist, {1, x, x^2, x^3, x^4}, x];
gráfico
Plot
[{fit4Degree},{x, 0.5, 6.5},
epílogo
Epilog {
ve
Red,
tamanho do ponto
PointSize[0.02],
ponto
Point[datalist]},
legenda do gráfico
PlotLegends "Expressions"]
RMSQuadratic
=
raiz
Sqrt[
média
Mean[({fitQuadratic - #2})^2 & /@ datalist]]
RMS4Degree
=
raiz
Sqrt[
média
Mean[({fit4Degree - #2})^2 & /@ datalist]]
(*
Sim
,
deve ser
possível
melhorar
ajustando
com
termos a mais
*)
Ou t [
]=
123456
10
000
20
000
30
000
40
000
50
000
pf3
pf4
pf5
pf8

Pré-visualização parcial do texto

Baixe Atividade matematica aplicada e outras Exercícios em PDF para Matemática Aplicada, somente na Docsity!

(* 9ª Lista de tratamento estatístico e ajuste de curvas Amanda Amanai Mouzinho da Silva *)

unidade imaginária

I *)

datalist = {{ 1, 14 479 } , { 1.5, 5767 } , { 2, 68 572 } , { 3, 58 019 } , { 3.5, 84 176 } , { 4, 09 957 } , { 5, 09 166 } , { 5.5, 98 085 } , { 4.5, 49 449 } , { 6, 12 113 }} ;

(* a *) ) fitQuadratic = ajusta

Fit [ datalist, { 1, x, x ^ 2 } , x ] ;

gráfico

Plot [{ fitQuadratic } , { x, 0.5, 6.5 } ,

epílogo

Epilog  { ve⋯

Red, tamanho do ponto

PointSize [ 0.02 ] , ponto

Point [ datalist ]} , legenda do gráfico

PlotLegends "Expressions" ]

(* b *) ) fit4Degree = ajusta

Fit [ datalist, { 1, x, x ^ 2, x ^ 3, x ^ 4 } , x ] ;

gráfico

Plot [{ fit4Degree } , { x, 0.5, 6.5 } ,

epílogo

Epilog  { ve⋯

Red, tamanho do ponto

PointSize [ 0.02 ] , ponto

Point [ datalist ]} , legenda do gráfico

PlotLegends "Expressions" ]

RMSQuadratic = raiz⋯

Sqrt [ média

Mean [({ fitQuadratic - #〚 2 〛}) ^ 2 & /@ datalist ]]

RMS4Degree = raiz⋯

Sqrt [ média

Mean [({ fit4Degree - #〚 2 〛}) ^ 2 & /@ datalist ]]

(* Sim, deve ser possível melhorar ajustando com alguns termos a mais *) O u t [] =

1 2 3 4 5 6

10 000

20 000

30 000

40 000

50 000

O u t [] =

1 2 3 4 5 6

  • 20 000

20 000

40 000

60 000

O u t [] =

 -114 649. + 37 913.9 x - 5060.75 x 2  2 + -100 740. + 37 913.9 x - 5060.75 x 2  2 +

-85 136.1 + 37 913.9 x - 5060.75 x 2  2 + -74 583.1 + 37 913.9 x - 5060.75 x 2  2 + -66 013.1 + 37 913.9 x - 5060.75 x 2  2 + -31 043.1 + 37 913.9 x - 5060.75 x 2  2 + -28 677.1 + 37 913.9 x - 5060.75 x 2  2 + -26 521.1 + 37 913.9 x - 5060.75 x 2  2 + -25 730.1 + 37 913.9 x - 5060.75 x 2  2 + -22 331.1 + 37 913.9 x - 5060.75 x 2  2 

O u t [] =

 -275 322. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 +

-261 413. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -245 809. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -235 256. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -226 686. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -191 716. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -189 350. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -187 194. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -186 403. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 + -183 004. + 272 071. x - 112 108. x 2 + 19 376.3 x 3 - 1212.7 x 4  2 

O u t [] =

1975 1980 1985 1990

10

20

30

40

50

60

70

O u t [] =

1975 1980 1985 1990

32

34

36

38

40

42

44

O u t [] =

1975 1980 1985 1990

1.76 × 10 46

1.78 × 10 46

1.80 × 10 46

1.82 × 10 46

1.84 × 10 46

(* III *)

(* Pacote estatístico *) << StatisticsDescriptiveStatistics

(* Resultados *)

média

Mean [ datalist tudo

All, 2 〛]

mediana

Median [ datalist tudo

All, 2 〛]

desvio padrão

StandardDeviation [ datalist tudo

All, 2 〛]

repete

Do gráfico de pizza e de barras *)

diagrama de setores

PieChart [ datalist tudo

All, 2 〛]

diagrama de barras

BarChart [ datalist tudo

All, 2 〛]

Get: Cannot open StatisticsDescriptiveStatistics. O u t [] = $Failed

O u t [] = 409 783 10 O u t [] = 31 964

O u t [] = 12 222 627 269 10

O u t [] =

(* IV *)

(* Tabela de dados *) dadosTabela = tabela

Table [{ x, cosseno

Cos [ x ]} , { x, 0, 3, 0.25 }]

(* Função de interpolação *) cosseno = interpolação

Interpolation [ dadosTabela, ordem de interpolação

InterpolationOrder 3 ]

(* Valores entre cosseno [ x ] e cosseno

Cos [ x ])*

comparacao = tabela

Table [{ x, cosseno [ x ] , cosseno

Cos [ x ] , valor absoluto

Abs [ cosseno [ x ] - cosseno

Cos [ x ]]} , { x, 0, 3, 0.5 }]

(* Comparação: { x,cosseno [ x ] , cosseno

Cos [ x ] ,diferença absoluta })*

cosseno

Cos ( x ) e a função de interpolação *)

gráfico

Plot [{ cosseno

Cos [ x ] , cosseno [ x ]} , { x, 0, 3 } ,

legenda do gráfico

PlotLegends  { " cosseno

Cos [ x ] ", "Interpolação ( cosseno ) " } ,

etiqueta de grá⋯

PlotLabel " cosseno

Cos [ x ] vs Interpolação", legenda dos eixos

AxesLabel  { "x", "y" }]

(* Comparando as integrais ) ( Função interpolada *) integralInterpolada = integra numéricamente

NIntegrate [ cosseno [ x ] , { x, 0, 3 }]

(* cosseno

Cos [ x ])*

integralExata = integra

Integrate [ cosseno

Cos [ x ] , { x, 0, 3 }] // valor numérico

N

(* Diferença entre as mesmas *) difIntegracao = valor absoluto

Abs [ integralInterpolada - integralExata ]

(* Comparar derivadas ) ( Derivada da função interpolada ) derivadaInterpolada = cosseno ' [ x ] ( Derivada da função cosseno

Cos [ x ])*

derivadaExata =

D [

cosseno

Cos [ x ] , x ]

(* Plotar derivadas para comparação *)

gráfico

Plot [{ derivadaInterpolada, derivadaExata } , { x, 0, 3 } ,

legenda do gráfico

PlotLegends  { "Derivada ( Interpolação ) ", "Derivada ( cosseno

Cos [ x ]) " } ,

etiqueta de gráfico

PlotLabel "Comparação das Derivadas", legenda dos eixos

AxesLabel  { "x", "y" }]

O u t [] = {{0., 1.}, {0.25, 0.968912}, {0.5, 0.877583}, {0.75, 0.731689}, {1., 0.540302}, {1.25, 0.315322}, {1.5, 0.0707372}, {1.75, - 0.178246}, {2., - 0.416147}, {2.25, - 0.628174}, {2.5, - 0.801144}, {2.75, - 0.924302}, {3., - 0.989992}}

O u t [] =

InterpolatingFunction Domain: Output: scalar^ {{^ 0., 3. }} 

O u t [] = {{0., 1., 1., 0.}, {0.5, 0.877583, 0.877583, 0.}, {1., 0.540302, 0.540302, 0.}, {1.5, 0.0707372, 0.0707372, 0.}, {2., - 0.416147, - 0.416147, 0.}, {2.5, - 0.801144, - 0.801144, 0.}, {3., - 0.989992, - 0.989992, 0.}}

O u t [] =

0.5 1.0 1.5 2.0 2.5 3.0 x

y Cos [ x] vs Interpolação

Cos[x] Interpolação (cosseno)

O u t [] =

O u t [] =

O u t [] = 6.60276 × 10 -^6

O u t [] =

InterpolatingFunction Domain: Output: scalar^ {{^ 0., 3. }} [x]

O u t [] =

  • Sin[x]

O u t [] =

0.5 1.0 1.5 2.0 2.5 3.0 x

y Comparação das Derivadas

Derivada (Interpolação) Derivada (Cos[x])