Interpolación y Ajuste de Funciones
Interpolación y Ajuste de Funciones
Interpolación y Ajuste de Funciones
Introducción
De (6a) y (7): f (x1) = P1 (x1) = a0+a1 (x1 − x0) = f (x0)+a1 (x1 − x0) ⇒ a1 = f (x1)
− f (x0)/ x1 − x0 (Chapra, 2007)
1
Chapra, S. C., & Canale, R. P. (2007). Métodos numéricos para ingenieros. McGraw-Hill,.
UNIDAD V.- Interpolación y ajuste de funciones
2
MATHEWS, John; KURTIS, Fink. Métodos Numéricos con MATLAB. Prentice Hall, 2000.
UNIDAD V.- Interpolación y ajuste de funciones
Pn(x) = c0 + c1(x − x0)+ c2(x − x0)(x − x1)+ ··· + cn(x − x0) ··· (x − xn−1)
donde los coeficientes ck, k = 0,... ,n se determinan al cumplir con las restricciones
Pn(xi) = yi, i = 0,... , n. Los coeficientes ck se pueden calcular en términos de:
Ejemplo 2:
Para los datos proporcionados, calcular el polinomio de interpolación de Newton.
Solución:
La tabla de diferencias resultante es:
xi yi Δyi Δ2yi Δ3yi
0 1 0.39561 0.15651 0.06192
1/3 1.39561 0.55212 0.21843
2/3 1.94773 0.77055
1 2.71828
Como
entonces P1(x) definido en (3) también pasa por los dos puntos dados:
3
Chapra, S. C., & Canale, R. P. (2007). Métodos numéricos para ingenieros. McGraw-Hill,.
UNIDAD V.- Interpolación y ajuste de funciones
definido por
Para cada k fijo, el polinomio coeficiente de Lagrange LN,k (x) tiene la siguiente
propiedad:
La sustitución de (5) en (4) prueba que la curva polinomial y = PN(x) pasa por los
puntos xj , yj :
(Chapra, 2007)
UNIDAD V.- Interpolación y ajuste de funciones
4
MATHEWS, John; KURTIS, Fink. Métodos Numéricos con MATLAB. Prentice Hall, 2000.
UNIDAD V.- Interpolación y ajuste de funciones
Ejemplo 1:
Calcular el polinomio de interpolación de Lagrange para el siguiente conjunto de
puntos:
xi 0 0.33 0.66 1
yi 1 1.391 2.71
1.935 8
Solución:
Sustituyendo en la ecuación, se obtiene:
Ejemplo 2:
Demostrar que es una base de .
Spline Lineal
Una función spline de grado 1 que interpole los datos es simplemente unir cada
uno de los puntos (Par coordenados) mediante segmentos de recta, como se
ilustra en las siguientes figuras:
5
L. Burden Richard, (2002), Análisis Numérico, 7ª Edición. México. Thomson.
UNIDAD V.- Interpolación y ajuste de funciones
Spline Cuadrática
Los polinomios P(x) a través de los que construimos el Spline tienen grado 2. Esto
quiere decir, que va a tener la forma P(x) = ax² + bx + c
• Que las partes de la función a trozos P(x) pasen por ese punto. Es decir,
que las dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a
f(x) en cada uno de estos puntos.
• Que la derivada en un punto siempre coincida para ambos "lados" de la
función definida a trozos que pasa por tal punto común.
• Esto sin embargo no es suficiente, y necesitamos una condición más. ¿Por
qué?. Tenemos 3 incógnitas por cada P(x). En un caso sencillo con f(x)
definida en tres puntos y dos ecuaciones P(x) para aproximarla, vamos a
tener seis incógnitas en total. Para resolver esto necesitaríamos seis
ecuaciones, pero vamos a tener tan sólo cinco: cuatro que igualan el P(x)
con el valor de f(x) en ese punto (dos por cada intervalo), y la quinta al
igualar la derivada en el punto común a las dos P(x).
Se necesita una sexta ecuación, ¿de dónde se extrae? Esto suele hacerse con el
valor de la derivada en algún punto, al que se fuerza uno de los P(x).
Spline Cubica
Cada polinomio P(x) a través del que construimos los Splines en [m,n] tiene grado
Esto quiere decir, que va a tener la forma P(x) = ax³ + bx² + cx + d
En este caso vamos a tener cuatro variables por cada intervalo (a,b,c,d), y una
nueva condición para cada punto común a dos intervalos, respecto a la derivada
segunda:
• Que las partes de la función a trozos P(x) pasen por ese punto. Es decir,
que las dos Pn(x) que rodean al f(x) que queremos aproximar, sean igual a
f(x) en cada uno de estos puntos.
• Que la derivada en un punto siempre coincida para ambos "lados" de la
función definida a trozos que pasa por tal punto común. Que la derivada
segunda en un punto siempre coincida para ambos "lados" de la función
definida a trozos que pasa por tal punto común.
• Como puede deducirse al compararlo con el caso de splines cuadráticos,
ahora no nos va a faltar una sino dos ecuaciones (condiciones) para el
número de incógnitas que tenemos.
UNIDAD V.- Interpolación y ajuste de funciones
Splines cúbicos sujetos: La derivada primera de P debe tener el mismo valor que
las derivada primera de la función para el primer y último punto sobre el que está
definido el conjunto de Splines, esto son, los puntos m y n en el intervalo [m,n].
Ejemplo 1:
Para la función SENO, aplicar Spline en los tres puntos X= [π/4, π/2, 3π/4], Y=
[½√2, 1, ½√2]. Hacer k=½√2, y tomar valores centrados: Xp=[x0=-1, x1=0, x2=1].
Por tres puntos se ajustan dos funciones cúbicas, calcular las dos primeras
derivadas:
Caso Spline natural: Al evaluar las segundas derivadas fi”(x)= 2*b+6*ci*x, para
i=0:1, en los puntos inicial o final de cada función respectiva hacer cero: f0”(x0)=0;
f1”(x2)=0, luego al sumar las ecuaciones [1] y [2], resulta el sistema de tres
ecuaciones:
La solución de este sistema es: b=¾(√2-2), c0=¼(√2-2), c1=-¼(√2-2), a=0. Así las
funciones de cada segmento son: fi(x)=1+¼(√2-2)* x 2{3+(-1)i * x]}, para i=0:1.
Ahora en la variable original x=2*(2X/π–1), resultan los ajustes por segmentos
UNIDAD V.- Interpolación y ajuste de funciones
Abajo los gráficos de funciones de cada caso: se resalta que puntos adicionales
conviene más que spline natural; para el seno fi”(x)=0, no es natural en el
intervalo.
Ejemplo 2:
f(1) = 1
f(2) = 0.5
f(4) = 0.25
(1) 1=a+b
UNIDAD V.- Interpolación y ajuste de funciones
(2) 0.5=2a+b
De (1) se obtiene:
a=1-b (3)
0.5=2(1-b)+b
luego
b=1.5
a = - 0.5
Por lo tanto, se concluye que: P1(x) = - 0.5x + 1.5 El segundo segmento P2(x) =
ax + b deberá unir el segundo punto (2,0.5) con el tercer punto (4,0.25).
Análogamente a lo hecho para P1(x), en el caso de P2(x) se obtiene:
(1) 0.5 = 2a + b
(2) 0.25 = 4a + b
a = - 0.125, b = 0.75
Nos mide el grado de asociación lineal que existe entre las variables. Correlación está
ligado a regresión, es decir hablamos de correlación según una determinada curva de
regresión. Para determinar el coeficiente de correlación lineal partimos del coeficiente de
correlación general
6
Nakamura Schoichiro. (1996). Métodos numéricos aplicados con software. México. Prentice-Hall
Hispanoamericana, S.A.
UNIDAD V.- Interpolación y ajuste de funciones
2.- REGRESIÓN:
Busca determinar la estructura de dependencia – modelización- que mejor
explique el comportamiento de la variable Y (variable DEPENDIENTE o
EXPLICADA) en función del conjunto de variables X1....Xk (variables
INDEPENDIENTES O EXPLICATIVAS), con las que se supone está relacionada.
5 Sean X e Y 2 variables cuya distribución conjunta de frecuencias (Xi Yj, nij).
Llamamos Regresión de Y sobre X: a la función que explica la variable y para
cada valor de X , Y=f(X) Regresión de X sobre Y: comportamiento de X para cada
valor de Y X=f(Y) Para la determinación de las funciones de regresión hay dos
criterios diferentes: Regresión I y Regresión II.
REGRESIÓN I:
REGRESIÓN I DE Y SOBRE X:
Considerando la nube de puntos, si nos preguntásemos cual sería el valor de Y
para X=Xi, existirían varios valores, consideraríamos que sería la media de las Y
cuya X sea X1, es decir, la media de las Yj cuya abscisa sea X1 (que no es otra
cosa que la media de Y condicionada a que X tome el valor X1, es decir asigna
para cada Xi, un Yj correspondiente a la media de Y condicionada a X=Xi. Los
puntos aparecen unidos por una línea para indicarnos que son puntos que
pertenecen a una misma regresión. REGRESIÓN I DE X SOBRE Y:
Asigna para cada Yj, un Xti correspondiente a la media de los Xi condicionados a
Y=Yj. El principal problema de la Regresión I es que está siempre unida por un
conjunto de puntos, y no por una curva continua, lo cual lo hace poco deseable
para nuestro fin fundamental (explicar una variable a través del comportamiento de
la otra). De ahí que se utilice de manera general el criterio de Regresión tipo II.
UNIDAD V.- Interpolación y ajuste de funciones
REGRESIÓN II:
“Una técnica estadística que establece una ecuación para estimar el valor
desconocido de una variable, a partir del valor conocido de otra variable, (en vez
de valores de muchas otras variables) se denomina análisis de regresión simple.”
Por lo tanto, el análisis de regresión lineal simple, es el proceso general de
predecir una variable (Y) a partir de otra (X).
Las relaciones entre las variables pueden ser directas o también inversas.
• Relación directa: la pendiente de esta línea es positiva, porque la variable Y
crece a medida que la variable X también lo hace.
• Relación inversa: La pendiente de esta línea es negativa, porque a medida
que aumenta el valor de la variable Y, el valor de la variable X disminuye.
UNIDAD V.- Interpolación y ajuste de funciones
Ejemplo:
Para determinar el coeficiente de correlación lineal partimos del coeficiente de
correlación general
La varianza residual es
Casos a considerar:
.
Ello equivale por tanto a hallar los m coeficientes: . En concreto, se
desea que tal función sea la mejor aproximación a los n
pares empleando, como criterio de "mejor", el criterio del mínimo error
cuadrático medio de la función con respecto a los puntos .
El error cuadrático medio será para tal caso:
Siendo i=1, 2, . . ., m
7
Nakamura Schoichiro. (1996). Métodos numéricos aplicados con software. México. Prentice-Hall
Hispanoamericana, S.A.
UNIDAD V.- Interpolación y ajuste de funciones
para i=1, 2, . . ., m
para i=1, 2, . . ., m
Siendo el producto escalar discreto, definido para dos funciones dadas h(x)
y g(x) como:
(Schoichiro, 1996)
El método consiste en acercar una línea o una curva, según se escoja, lo más
posible a los puntos determinados por las coordenadas [x, f(x)], que normalmente
corresponden a muestras de algún experimento.
Cabe aclarar que este método, aunque es sencillo de implantar no es del todo
preciso, pero si proporciona una interpolación aceptable.
Ejemplo:
Supongamos que tenemos 4 pares de datos y que queremos ajustarlos al
polinomio de segundo grado y=a0+a1x+a2x2
x x0 x1 x2 x3
y y0 y1 y2 y3
agrupando términos
(2)
(3)
Si todos los puntos son distintos, el sistema de ecuaciones tiene una solución
única.
UNIDAD V.- Interpolación y ajuste de funciones
Ejemplo 1:
Calcule el polinomio de interpolación de Newton para los datos
Ejemplo 2:
Calcule el polinomio de interpolación para la tabla dada usando el sistema y la
fórmula de Newton
Matricialmente
UNIDAD V.- Interpolación y ajuste de funciones
Solución:
Solución:
Ejemplo 3:
Un a c om pañ í a d es e a h a c e r p re di cci on es del val o r an u al d e s u s v en t as
tot al e s en ci e rt o paí s a pa rti r d e l a r el aci ón d e é st as y l a r e n ta n aci on al .
Pa ra i n v e sti gar l a r e l aci ón cu en t a c on l o s si gu i en t e s dat o s:
X r ep r e s en ta l a r en t a n a ci on al en mi ll on e s d e eu r o s e Y r ep r e s en ta l as
v en ta s d e l a co mpa ñ í a en mi l e s d e eu r o s en el p e ri od o qu e va d e sd e
1990 h a st a 200 0 ( a mb os i n cl u si v e) . Cal cu l ar:
UNIDAD V.- Interpolación y ajuste de funciones
1 La re ct a d e re g re s ió n d e Y s o br e X .
2 El c o ef ic i e nte d e c or r e l ac ió n l in e a l e i n t e rp r eta rl o .
3 Si en 2 001 l a r en t a n a ci on al d el paí s f u e d e 32 5 mi ll on e s de eu r os .
¿Cu ál s e r á l a p r edi c ci ón pa r a l as v en ta s d e l a c o mpa ñ í a en e st e añ o ?
UNIDAD V.- Interpolación y ajuste de funciones
Conclusión