Ajuste os pontos (1,1),(1.5,2),(2,1.5),(2.3,2.5) e (2.7,2.7) a uma curva de forma y=a x^{b}.
y=1,077 x^{0,901}

Passo 1

O enunciado pede ajustar os pontos (1,1), (1{,}5,2), (2,1{,}5), (2{,}3,2{,}5) e (2{,}7,2{,}7) por uma curva da forma
y = a x^{b}.
Informações dadas:
( x_{1},y_{1} )=(1,1),\quad ( x_{2},y_{2} )=(1{,}5,2),\quad ( x_{3},y_{3} )=(2,1{,}5),
( x_{4},y_{4} )=(2{,}3,2{,}5),\quad ( x_{5},y_{5} )=(2{,}7,2{,}7).
A tarefa é encontrar os parâmetros \,a e \,b que melhor ajustam esses pontos pela forma potência \,y=ax^{b}. Não começo a calcular aqui — só deixei claro o que é pedido e os dados.

Passo 2

Idéia do método (explicação didática): para ajustar uma potência \,y=ax^{b} usamos uma transformação logarítmica que a lineariza. Tome \ln em ambos os lados:
\ln y = \ln a + b\ln x.
Se definirmos
u=\ln x,\qquad v=\ln y,\qquad \alpha=\ln a,
a equação fica linear:
v = \alpha + b\,u.
Agora é um problema de regressão linear (mínimos quadrados) para ajustar uma reta v=\alpha + b u aos pontos (u_i,v_i). As fórmulas da regressão linear por mínimos quadrados (explicando o porquê: estas vêm de minimizar a soma dos quadrados dos erros \sum (v_i - \alpha - b u_i)^2 e resolvem as chamadas equações normais) são:
b=\frac{n\sum_{i} u_i v_i - \left(\sum_{i} u_i\right)\left(\sum_{i} v_i\right)}{n\sum_{i} u_i^{2} - \left(\sum_{i} u_i\right)^{2}},
\alpha=\bar{v}-b\bar{u},
onde
\bar{u}=\frac{1}{n}\sum_{i} u_i,\qquad \bar{v}=\frac{1}{n}\sum_{i} v_i,
e finalmente
a=e^{\alpha}.
Aqui n é o número de pontos ( n=5). Em prova: lembre-se de transformar cada ponto por \ln e aplicar essas somas.

Passo 3

Transformo os pontos com u_i=\ln x_i e v_i=\ln y_i. Vou calcular com 6 casas decimais para controlar erros e depois arredondar o resultado final.
Para cada ponto:
\begin{array}{llll} x_1=1, & u_1=\ln 1=0{,}000000, & y_1=1, & v_1=\ln 1=0{,}000000,\\[4pt] x_2=1{,}5, & u_2=\ln 1{,}5=0{,}405465, & y_2=2, & v_2=\ln 2=0{,}693147,\\[4pt] x_3=2, & u_3=\ln 2=0{,}693147, & y_3=1{,}5, & v_3=\ln 1{,}5=0{,}405465,\\[4pt] x_4=2{,}3, & u_4=\ln 2{,}3=0{,}832909, & y_4=2{,}5, & v_4=\ln 2{,}5=0{,}916291,\\[4pt] x_5=2{,}7, & u_5=\ln 2{,}7=0{,}993252, & y_5=2{,}7, & v_5=\ln 2{,}7=0{,}993252.\\\ \end{array}
Agora calculo as quantidades necessárias:
u_i^{2}:\; 0{,}000000,\;0{,}164402,\;0{,}480453,\;0{,}693739,\;0{,}986549.
u_i v_i:\; 0{,}000000,\;0{,}281047,\;0{,}281047,\;0{,}763190,\;0{,}986549.
Somas (com n=5):
\sum_{i} u_i = 2{,}924773,
\sum_{i} v_i = 3{,}008155,
\sum_{i} u_i^{2} = 2{,}325133,
\sum_{i} u_i v_i = 2{,}311833.
(Expliquei: peguei os \ln de cada x e y conforme listado acima e somei; se quiser conferir, calcule cada \ln com uma calculadora científica e some.)]

Passo 4

Substituo nas fórmulas da regressão para obter b. Usando
n=5,
b=\frac{5\cdot 2{,}311833 - 2{,}924773\cdot 3{,}008155}{5\cdot 2{,}325133 - (2{,}924773)^{2}}.
Calculo numerador e denominador separadamente:
\text{numerador}=5\cdot 2{,}311833 - 2{,}924773\cdot 3{,}008155 \approx 11{,}559165 - 8{,}798179 = 2{,}760986,
\text{denominador}=5\cdot 2{,}325133 - (2{,}924773)^{2} \approx 11{,}625665 - 8{,}556006 = 3{,}069659.
Logo
b \approx \frac{2{,}760986}{3{,}069659} \approx 0{,}900.
(Interpretação didática: b é a inclinação da reta no plano (u,v); numericamente ficamos com b próximo de 0{,}90.)

Passo 5

Agora calculo \alpha=\ln a com
\bar{u}=\frac{1}{5}\sum_{i} u_i = \frac{2{,}924773}{5}=0{,}584955,
\bar{v}=\frac{1}{5}\sum_{i} v_i = \frac{3{,}008155}{5}=0{,}601631.
Então
\alpha=\bar{v}-b\bar{u}\approx 0{,}601631 - 0{,}900\cdot 0{,}584955 \approx 0{,}075219.
E finalmente
a=e^{\alpha}\approx e^{0{,}075219}\approx 1{,}077.
(Explicando: \alpha é o logaritmo de a; para voltar a a aplicamos a exponencial.)

Passo 6

Interpretação final e arredondamento: a partir dos cálculos por mínimos quadrados no plano logarítmico obtemos, arredondando os parâmetros com três casas decimais,
a \approx 1{,}077,\qquad b \approx 0{,}901.
Portanto o ajuste pela forma potência fica
y \approx 1{,}077\,x^{0{,}901}.

Resposta

y=1{,}077\,x^{0{,}901}

Exercícios relacionados