Calculadora de regressão cúbica

A regressão cúbica ajusta um polinômio de terceiro grau a observações pareadas. O modelo tem a forma y = ax³ + bx² + cx + d, em que a controla a curvatura principal, b contribui com a curvatura quadrática, c descreve uma tendência linear e d é o valor previsto quando x é zero. Diferentemente da interpolação, a regressão normalmente não obriga a curva a passar por todos os pontos. Ela escolhe os coeficientes que minimizam a soma dos quadrados das diferenças verticais entre os valores y observados e previstos. Esta calculadora usa o método dos mínimos quadrados ordinários. A partir dos valores x informados, monta as quatro equações normais associadas aos termos de base 1, x, x² e x³. Em seguida, resolve o sistema quatro por quatro por eliminação gaussiana com pivoteamento. Escolher o maior pivô disponível em módulo a cada etapa melhora a confiabilidade numérica. São necessárias pelo menos quatro observações pareadas e quatro valores x distintos, pois quatro coeficientes independentes devem ser estimados. O coeficiente de determinação R² compara o erro quadrático restante do modelo com a variação total dos valores y observados. Um R² de 1 significa que a curva ajustada reproduz exatamente todas as observações. Um valor próximo de zero indica que o modelo explica pouco mais variação do que o simples uso da média. Um R² alto é uma evidência útil de ajuste, mas não prova que a relação cúbica tenha significado científico nem que previsões fora do intervalo observado sejam confiáveis. Modelos cúbicos são úteis quando os dados mudam de direção até duas vezes, como uma tendência acelerada seguida de desaceleração e nova alta. Eles podem descrever curvas de calibração, trajetórias físicas em intervalos limitados, medidas de crescimento, padrões de demanda e respostas experimentais suaves. Sempre que possível, faça um gráfico dos dados. Uma observação incomum pode ter grande influência, e valores x elevados ou muito próximos podem tornar os coeficientes sensíveis a pequenas mudanças. Mantenha as posições correspondentes nas duas listas: o primeiro x forma par com o primeiro y, o segundo x com o segundo y, e assim por diante. Mais observações geralmente produzem um ajuste mais informativo que o mínimo de quatro. Em previsões, tenha cautela além do intervalo dos dados, pois o termo x³ pode crescer rapidamente. Compare o modelo cúbico com um linear ou quadrático mais simples e prefira a forma mais simples quando a curvatura extra não trouxer uma melhoria relevante.