Está en la página 1de 22

TAREA Unidad 3- Jorge Humberto Prez Aldrete

menor

mayor
1

L inferior

rango
13

longitud
12 1.33333333

L superior
1
3
5
7
9
11
13

1
Clase

2
4
6
8
10
12
14

2
4
6
8
10
12
14
mayor...

Frecuencia
27
20
15
12
4
1
1
0

Frecuencia

Histograma
30
25
20
15
10
5
0

Frecuencia

Clase

Descripcin:
Un histograma es una representacin grfica de una variable en forma de barras, donde la superficie de cada
barra es proporcional a la frecuencia de los valores representados, ya sea en forma diferencial o acumulada.
Sirven para obtener una "primera vista" general, o panorama, de la distribucin de la poblacin, o la muestra,
respecto a una caracterstica, cuantitativa y continua, de la misma y que es de inters para el observador (como la
longitud o la masa).

C Saliva

C Plasma
7.4
7.5
8.5
9
9
11
13
14
14.5
16
17
18
20
23

30
25
31.5
27.5
39.5
38
43
49
55
48.5
51
64.5
63
68

X
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Suma
Promedio
a1
a0

Y
7.4
7.5
8.5
9
9
11
13
14
14.5
16
17
18
20
23
187.9
13.4214286

2.7273637 R=
8.64488287

X^2
30
25
31.5
27.5
39.5
38
43
49
55
48.5
51
64.5
63
68
633.5
45.25
0.95447984

XY
54.76
56.25
72.25
81
81
121
169
196
210.25
256
289
324
400
529
2839.51

222
187.5
267.75
247.5
355.5
418
559
686
797.5
776
867
1161
1260
1564
9368.75

(Yi-a0-a1Xi)^2 (Yi-Yp)^2
Yc
1.375051096
232.5625 28.82737427
16.81090729
410.0625 29.10011064
0.107239447
189.0625 31.82747435
32.38925887
315.0625
33.1911562
39.80151012
33.0625
33.1911562
0.41716563
52.5625
38.6458836
1.211344597
5.0625 44.10061101
4.717693843
14.0625 46.82797471
46.35354032
95.0625 48.19165657
14.30883533
10.5625 52.28270212
16.08062791
33.0625 55.01006582
45.7323594
370.5625 57.73742953
0.036924287
315.0625 63.19215693
11.38554986
517.5625 71.37424804
230.728008
2593.375

Modelo
Y=8.64488286898462+2.72736370321562x

Descripcin:
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela la relacin entre una
variable dependiente Y, las variables independientes Xi y un trmino aleatorio .

v
30
35.5
50.5
75
92
105
115
130
153.5
180
199.5

n
3.83
4.17
4.97
6.06
6.71
7.17
7.51
7.98
8.67
9.39
9.89

Xi
1
2
3
4
5
6
7
8
9
10
11

Suma
Promedio
A1
log(A0)
A0

Yi
log(Xi)
log(Yi)
log(Xi)^2
log(Xi)log(Yi) (log(yi)-a0-a1log(Xi))^2 (log(Yi)-log(Y))^2
30
3.83 1.477121255 0.58319877 2.1818872 0.861455305
1.16942E-08
0.057283758
35.5
4.17 1.550228353 0.62013605 2.40320795 0.961352495
5.86861E-08
0.040966964
50.5
4.97 1.703291378 0.69635639 2.90120152 1.186097833
1.92459E-08
0.015922059
75
6.06 1.875061263 0.78247262 3.51585474 1.467184107
2.02478E-10
0.001605317
92
6.71 1.963787827 0.82672252 3.85646263 1.623507622
1.94936E-08
1.75016E-05
105
7.17 2.021189299 0.85551916 4.08520618 1.729166163
4.8856E-09
0.001087689
115
7.51 2.06069784 0.87563994 4.24647559 1.804429327
7.76158E-08
0.002819706
130
7.98 2.113943352 0.90200289 4.4687565 1.906783016
3.01133E-11
0.006314505
153.5
8.67 2.18610838 0.9380191 4.77906985 2.050611409
1.09632E-08
0.013335646
180
9.39 2.255272505 0.97266559 5.08625407 2.193625967
5.15736E-09
0.022537985
199.5
9.89 2.2999429 0.99519629 5.28973734 2.288894645
1.06741E-08
0.02981053
1166
76.35 21.50664435 9.04792933 42.8141136 18.07310789
2.18648E-07
0.191701661
106 6.94090909 1.955149487 0.82253903

0.50045604
-0.15592734
0.698349233

0.99999943

Descripcin:
Una ecuacin paramtrica permite representar una o varias curvas o superficies en el plano o en el espacio,
mediante valores arbitrarios o mediante una constante, llamada parmetro, en lugar de mediante una variable
independiente de cuyos valores se desprenden los de la variable dependiente. Un ejemplo simple de la
cinemtica, es cuando se usa un parmetro de tiempo (t) para determinar la posicin y la velocidad de un mvil.

Metodo de Crout
7
2
1
7
2
1

2
5
-1
2
5
-1

-3
-3
-6
-3
-3
-6

L
7
0
0
2 4.42857143
0
1 -1.28571429 -6.19354839
-12
-20
-26

-1.71428571
-3.74193548
4.69791667

-12
-20
-26
-12
-20
-26

l11
l21
l31

0
l22
l32

0
0
l33

1
0
0
7
2
1

u12
1
0
2
5
-1

u13
u23
1
-3
-3
-6

U
1 0.28571429 -0.42857143
0
1 -0.48387097
0
0
1
0.71875 X1
-1.46875 X2
4.697916667 X3

-12
-20
-26

-1.71428571
-3.74193548
4.69791667

0.71875 X1
-1.46875 X2
4.69791667 X3

Descripcin:
En estadstica, la regresin no lineal es un problema de inferencia basado en datos multidimensionales x,y, donde
f es alguna funcin no lineal respecto a algunos parmetros desconocidos . Como mnimo, se pretende obtener
los valores de los parmetros asociados con la mejor curva de ajuste (habitualmente, con el mtodo de los
mnimos cuadrados). Con el fin de determinar si el modelo es adecuado.

Ao (199X)
Produccion
Importacin
2
105
22
3
120
33
4
125
45
5
130
50
6
140
65
7
154
67

Produccion
n
X
1
2
3
4
5
6

Y
2
3
4
5
6
7
27
4.5

A1
A0

Importacion
n
X
1
2
3
4
5
6

A1
A0

X^2
105
120
125
130
140
154
774
129

YX
4
9
16
25
36
49
139

8.857142857
89.14285714

Y
2
3
4
5
6
7
27
4.5

X^2
22
33
45
50
65
67
282
47
9.314285714
5.085714286

210
360
500
650
840
1078
3638

0.98326029

YX
4
9
16
25
36
49
139

44
99
180
250
390
469
1432

Sr
St
3.44897959 576
18.3673469
81
0.18367347
16
11.755102
1
5.2244898 121
8.16326531 625
47.1428571 1420

Sr
St
2.93877551 625
0.00081633 196
7.06040816
4
2.74612245
9
16.2293878 324
10.7959184 400
39.7714286 1558

0.9864128

-0.0031525

Importacion(Y) Produccion(X1) Ao(X2)


X1X2
X1^2
X2^2 X1Y
1
22
105
2
210
11025
4
2
33
120
3
360
14400
9
3
45
125
4
500
15625
16
4
50
130
5
650
16900
25
5
65
140
6
840
19600
36
6
67
154
7
1078
23716
49
7
282
774
27
3638
101266 139
47
A0
21.5636364
A1
-0.18484848
A2
10.9515152

X2Y
2310
3960
5625
6500
9100
10318
37813

Yc
Sr
St
44 24.0575758
4.233618 625
99 32.2363636 0.5831405 196
180 42.2636364 7.48768595
4
250 52.2909091 5.24826446
9
390 61.3939394 13.0036731 324
469 69.7575758 7.60422406 400
1432
38.1606061 1558
R

6
774
27

774
101266
3638

27
3638
139

282
37813
1432

1
0
0

0 -9.581 -83.3626761
1 0.109 1.01056338
0 0.581 6.36267606

1
0
0

129
1420
155

4.5
155
17.5

47
1435
163

1
0
0

0
1
0

0.98767741

0 21.5636364
0 -0.18484848
1 10.9515152

Descripcin:
El anlisis de regresin consiste en encontrar un modelo que relaciona los valores medidos de un conjunto de variables.
Los valores medidos en el mundo real nunca se ajustan de forma perfecta a un modelo, debido en primer lugar a errores de medida,
pero tambin a que cualquier modelo matemtico es una simplificacin del mundo real, y si tuviera en cuenta todos los factores que
influyen en un conjunto de variables, sera inmanejable. Por tanto, no tiene sentido aspirar a encontrar un modelo que prediga
exactamente los valores medidos, y debemos admitir que el modelo cometer un cierto error.
Un modelo til encuentra una relacin funcional sencilla en conjuntos de pocas variables. Se trata de explicar una variable que tiene
importancia para nosotros, en funcin de otro conjunto de variables mejor conocidas o ms fciles de medir.

Ao(1970+X) Co2
1
2
3
4
5
6
7
8

Y
1
2
3
4
5
6
7
8

Cloroflourcarbonos
325
327
329
332
335
338
340
343

4.6
5.9
7.4
8.7
10
11.1
12.3
13.6

X1
4.6
5.9
7.4
8.7
10
11.1
12.3
13.6
73.6

X2
1
2
3
4
5
6
7
8
36

X1^2
325
327
329
332
335
338
340
343
2669

X2^2
1
4
9
16
25
36
49
64
204

X2X1
105625
106929
108241
110224
112225
114244
115600
117649
890737

X1Y
325
654
987
1328
1675
2028
2380
2744
12121

X2Y
4.6
11.8
22.2
34.8
50
66.6
86.1
108.8
384.9

Yc
1495
1929.3
2434.6
2888.4
3350
3751.8
4182
4664.8
24695.9

5.0304496
5.99730193
6.96415425
8.41443258
9.86471091
11.3149892
12.2818416
13.7321199

Sr
St
0.18528686
0.00946767
0.18996151
0.08154875
0.01830314
0.04622038
0.00032973
0.01745567
0.5485737

8
36
2669

36
890737
12121

2669
12121
890737

73.6
384.9
24695.9

1
0
0

0 333.624442 9.19972866
1 0.00012408 6.0298E-05
0 291.861289 141.093337

1
0
0

4.5
890575
110.5

333.625
110.5
291.875

9.2
53.7
141.1

1
0
0

0
1
0

0.99600297

0 -152.083002
0 3.1601E-07
1
0.483426

21.16
10.89
3.24
0.25
0.64
3.61
9.61
19.36
68.76

P(psia)
Micropoises
426.69
2468
483.297
2482
497.805
2483
568.92
2498
995.61
2584
1422.3
2672
2133.45
2811
3555.75
3094
4266.9
3236
7111.5
3807

Interpolacion cuadratica
P(psia)
Micropoises
355.575 2427.62734
711.15 2526.44444
2844.6 2952.33333
5689.2
3520.9
8533.801 4094.3002

355.575
711.15
2844.6
5689.2
8533.801

Aproximacion lineal
P(psia)
Micropoises
355.575 2555.94054
711.15 2641.33333
2844.6
3377
5689.2
4378
8533.801 4949.0002

b0
2468
2498
2811
3236
3236

b1
0.24731924
0.20155148
0.19897349
0.20073121
0.20073121

Diferencias divididas de Newton de tercer orden


P(psia)
Micropoises
355.575 2389.77949

f(X)
426.69

2468

-71.115
0.24731924

483.297

2482

-0.0025085
0.06892749

497.805

2483

-127.722
2.9297E-05

0.00165842

-142.23

0.21092596
568.92

2498
b0

b1
b2
b3
2468 0.24731924 -0.0025085 2.9297E-05

-213.345

b0
2468
2498
2811
3094
3094

b1
b2
0.24731924 -0.0025085
0.20155148 5.4926E-06
0.19897349 3.2955E-07
0.19967658 2.966E-07
0.19967658 2.966E-07

P(psia)
Micropoises
711.15 2527.20147
X

f(X)

497.805

2483

568.92

2498

995.61

2584

1422.3

2672

3
213.345

0.21092596
-1.8832E-05

142.23

0.20155148

2.63108E-08
5.4926E-06

-284.46

0.20623872

b0

-711.15

b1
b2
b3
2483 0.21092596 -1.8832E-05 2.63108E-08

P(psia)
Micropoises
2844.6
2952
X

f(X)
1422.3

2672

1422.3
0.19545806

2133.45

2811

1.6478E-06
0.19897349

3555.75

3094

711.15
-4.6341E-10

3.2955E-07

-711.15

0.19967658
4266.9

3236
b0

-1422.3

b1
b2
b3
2672 0.19545806 1.6478E-06 -4.6341E-10

426.69
483.297
497.805
568.92
995.61
1422.3
2133.45
3555.75
4266.9
7111.5

P(psia)
Micropoises
5689.2 3520.92857
X

f(X)
2133.45

2811

3555.75
0.19897349

3555.75

3094

4266.9

3236

7111.5

3807

3.2955E-07
0.19967658

2133.45
-6.6201E-12

2.966E-07

1422.3

0.20073121

b0

b1
b2
b3
2811 0.19897349 3.2955E-07 -6.6201E-12

-1422.3

2468
2482
2483
2498
2584
2672
2811
3094
3236
3807

P(psia)
Micropoises
8533.801 4094.1002
X

f(X)

2133.45

2811

6400.351
0.19897349

3555.75

3094

3.2955E-07
0.19967658

4266.9

3236

4978.051
-6.6201E-12

2.966E-07

4266.901

0.20073121
7111.5

3807
b0

P
0
1
2
3

U(P)
426.69
483.297
497.805
568.92

P
0
1
2
3

U(P)
497.805
568.92
995.61
1422.3

P
0
1
2
3

U(P)

P
0
1
2
3

U(P)

P
0
1
2
3

0
-711.15
-2133.45
-2844.6
P0-Pn

2811
3094
3236
3807
U(P)

2133.45
3555.75
4266.9
7111.5

0
-71.115
-497.805
-924.495
P0-Pn

2811
3094
3236
3807

2133.45
3555.75
4266.9
7111.5

0
-56.607
-71.115
-142.23
P0-Pn

2483
2498
2584
2672

1422.3
2133.45
3555.75
4266.9

b1
b2
b3
2811 0.19897349 3.2955E-07 -6.6201E-12

P0-Pn
2468
2482
2483
2498

0
-1422.3
-2133.45
-4978.05
P0-Pn

2811
3094
3236
3807

1422.301

0
-1422.3
-2133.45
-4978.05

P1-Pn

U(P)
355.575 2389.77949

P2-Pn
P3-Pn
P-Pn
497.805
924.495
213.345
426.69
853.38
142.23
0
426.69
-284.46
-426.69
0
-711.15

U(P)
711.15 2527.20147

P2-Pn
P3-Pn
P-Pn
2133.45
2844.6
1422.3
1422.3
2133.45
711.15
0
711.15
-711.15
-711.15
0
-1422.3

P2-Pn
P3-Pn
P-Pn
2133.45
4978.05
3555.75
711.15
3555.75
2133.45
0
2844.6
1422.3
-2844.6
0
-1422.3

U(P)
5689.2 3520.92857

P2-Pn
P3-Pn
P-Pn
1422.3
2133.45
4978.05
6400.351
0
711.15
3555.75
4978.051
-711.15
0
2844.6
4266.901
-3555.75
-2844.6
0
1422.301

U(P)
8533.801 4094.1002

56.607
0
-14.508
-85.623
P1-Pn
71.115
0
-426.69
-853.38
P1-Pn
711.15
0
-1422.3
-2133.45
P1-Pn
1422.3
0
-711.15
-3555.75
P1-Pn

P2-Pn
71.115
14.508
0
-71.115

P3-Pn

P-Pn
142.23
85.623
71.115
0

-71.115
-127.722
-142.23
-213.345

U(P)
2844.6

3117

Descripcin:
El problema de interpolacin consiste en encontrar el valor de la funcin F(x), de la cual slo se conocen algunos
puntos, para un valor de x que se encuentre entre algunos valores consecutivos conocidos. En pocas palabras
podramos decir que:
"La interpolacin consiste en hallar un dato dentro de un intervalo en el que conocemos los valores en los
extremos".

Y
5
8
10
15
20
25
30
35
40
45
50

X
17
22
25
30
33
36
38
39
40
41
42

22

10.5
1.5

10

25

-0.07142857

8.5

1
15

0.00261905

30

-0.04

2.80112E-06

0.6
20

0.00266667

33

0
0.6

25

3.5
-9.21823E-06

-0.0002

-1.5

-0.00133333

36

-0.02

-6.5

0.4
30

38
b0

-11.5
b1

b2
b3
b4
b5
1.5 -0.07142857 0.00261905 2.80112E-06 -9.21823E-06

22

18.5 32.1637369

X
0
1
2
3
4

Y
30
35
40
45
50

X0-Xn
38
39
40
41
42

X1-Xn
0
-5
-10
-15
-20

X2-Xn
5
0
-5
-10
-15

X3-Xn
10
5
0
-5
-10

X4-Xn
15
10
5
0
-5

X-Xn
20
15
10
5
0

X
13.7
8.7
3.7
-1.3
-6.3

Y
43.7

40.74

0.66787812 -4.31757144 15.6186576 30.3762866 -1.60525092

Descripcin: Diferencia de Divididas de Newton.


Sea
una variable discreta de elementos y sea
otra variable discreta de elementos los cuales corresponden, por
parejas, a la imagen u ordenada y abcisa de los datos que se quieran interpolar, respectivamente, tales que:

Este mtodo es muy algortmico y resulta sumamente cmodo en determinados casos, sobre todo cuando se quiere calcular un
polinomio interpolador de grado elevado.

Interpolacin de Lagrange.
Sea

la funcin a interpolar, sean

las abscisas conocidas de

funcin en esas abscisas, el polinomio interpolador de grado

y sean

de Lagrange es un polinomio de la forma

los valores que toma la

Prcticas Unidad 3
Estadstica Descriptiva.Amplitud de rango
Longitud de intervalo
Clase inf.

54
3.6

Clase Sup.
28
31
31
34
34
37
37
40
40
43
43
46
46
49
49
52
52
55
55
58
58
61
61
64
64
67
67
70
70
73
73
76
76
79
79
82
82
85
85
88
88
91
91
94
94
97

Regresin Lineal.i
1
2
3
4
5
6
7

prom

xi
1
2
5
10
20
30
40
108
15.4285714

yi
75
78
97
123
160
200
240
973
139

xi yi
75
156
485
1230
3200
6000
9600
20746

xi^2
1
4
25
100
400
900
1600
3030

(yi-yprom)^2(yi-a0-a1xi)^2
4096
11.1041285
3721
20.584177
1764
3.41858639
256
46.5871314
441
3.16322583
3721
0.07203033
10201
5.36068501
24200
90.2899644
st
sr

a1

4.204693065

a0

74.12759271

r^2

0.99626901

0.998132762

Regresin de Potencia.i
1
2
3
4
5
6
7

prom

xi
1
2
2.5
4
6
8
8.5

(Log yi -prom Logyi)^2


0.007645869
0.024210547
0.045620404
0.096409845
0.151850965
0.180151606
0.208508567
0.714397803
St

a1=
Loga0=
a0=
r=

0.54703608
-0.35004785
0.44663438
0.99581153

yi
0.4
0.7
0.8
1
1.2
1.3
1.4

Logxi
0
0.301029996
0.397940009
0.602059991
0.77815125
0.903089987
0.929418926
3.911690159
0.55881288

(Logx)^2
0
0.090619058
0.158356251
0.362476233
0.605519368
0.815571525
0.863819539
2.896361975

yi calculada
0.44663438
0.65256896
0.73729228
0.95345605
1.19022468
1.39307644
1.44005085

Logyi
-0.397940009
-0.15490196
-0.096910013
0
0.079181246
0.113943352
0.146128036
-0.310499348
-0.04435705

Ln yi calculada
-0.350047854
-0.185373587
-0.132360314
-0.02069932
0.075628952
0.143974948
0.158377827

LogX * Logy (Log yi - log a0 - a1Logxi)^2


0
0.002293658
-0.046630136
0.00092852
-0.038564371
0.001256724
0
0.000428462
0.061614986
1.26188E-05
0.102901101
0.000901897
0.135814162
0.000150057
0.21513574
0.005971937
Sr

Regresin Exp.i
xi
1
0.05
2
0.4
3
0.8
4
1.2
5
1.6
6
2
7
2.4

8.45
prom 1.207142857

a1=
Lna0=
a0=
r=

0.815668025
6.274428585
530.8229749
0.999769107

yi
550
750
1000
1400
2000
2700
3750

yi calc
552.9192595
735.6068429
1019.393382
1412.660685
1957.644856
2712.876081
3759.46465

Lnyi
6.309918278
6.620073207
6.907755279
7.244227516
7.60090246
7.901007052
8.229511119
50.81339491
7.259056416

Ln yi calc
xi^2
xiLnyi
(Lnyi-Lna0-a1xi)^2 (Lnyi-Prom Lny)^2
6.315211986 0.0025 0.315495914
2.80233E-05
0.900863204
6.600695795 0.16 2.648029283
0.000375484
0.408299542
6.926963005 0.64 5.526204223
0.000368937
0.123412489
7.253230216 1.44 8.693073019
8.10486E-05
0.000219896
7.579497426 2.56 12.16144394
0.000458175
0.116858718
7.905764636
4
15.8020141
2.26346E-05
0.412100619
8.232031846 5.76 19.75082669
6.35406E-06
0.941782331
14.5625 64.89708716
0.001340657
2.903536799
Sr
St

Regresin Promedio de Crecimiento de Sat.i

Xi
1
2
3
4
5
6
7

SUMA
PROM

a1/a0
1/a0
sr
st

Yi
1
2
2.5
4
6
8
8.5

1/Xi

1/Yi

(1/Xi)^2

0.4
1
2.5
1
0.7
0.5 1.42857143
0.25
0.8
0.4
1.25
0.16
1
0.25
1
0.0625
1.2 0.16666667 0.83333333 0.02777778
1.3
0.125 0.76923077
0.015625
1.4 0.11764706 0.71428571 0.01384083

xiyi

1/XiYi
0.4
1.4
2
4
7.2
10.4
11.9

(1/Yi-1/a0-a1/a0X)^2
1/Yi-(1/Yi))^2
2.5 0.00084485 1.65474364
0.71428571 0.00264185 0.04619913
0.5 0.00100982 0.00132266
0.25 0.0002406 0.04563846
0.13888889 0.00019615 0.14462678
0.09615385 0.00105514 0.1974921
0.08403361 6.2238E-05 0.24934632

32
6.8 2.55931373 8.49542125 1.52974361
37.3 4.28336206 0.00605065
4.57142857 0.97142857 0.36561625 1.21363161 0.2185348 5.32857143 0.61190887

1.98192673
0.48900699
0.00605065
2.3393691

2.3393691

Regresin Polinomial.i

xi
1
2
3
4
5

yi

0.25
0.75
1.25
1.5
2
5.75
promedio

5
5.75
8.4375

xi^2
-0.23
-0.33
0.7
1.9
6
8.04
1.608

0.0625
0.5625
1.5625
2.25
4
8.4375

5.75
8.4375
8.4375 13.765625
13.765625 23.8242188

8.04
15.42
29.16875

1.6875
4.0625
9.5859375

xi^3
xi^4
xiyi
xi^2yi
yi calc
(yi-yi calc)^2 (yi-yi promedio)^2
0.015625 0.00390625
-0.0575 -0.014375 -0.14130152 0.00786742
3.378244
0.421875 0.31640625
-0.2475 -0.185625 -0.54824295 0.04762999
3.755844
1.953125 2.44140625
0.875
1.09375 0.75639913 0.00318086
0.824464
3.375
5.0625
2.85
4.275 2.05056399 0.02266952
0.085264
8
16
12
24 5.92258134 0.00599365
19.289664
13.765625 23.8242188
15.42
29.16875
0.08734143
27.33348
Sr
St

1
0
0

1.15
1.825
4.0625

1.608
6.174
15.60125

1
0
0

1.15
1
0

1.6875
1.608
2.2260274 3.3830137
0.5427012 1.85775685

1
0
0

1.15
1
0

1.6875
1.608
2.2260274 3.3830137
1 3.42316703

a0
a1
a2

0.70401302
-4.23704989
3.42316703

0.99840102

Regresin Lineal Mltiple.-

x1i
1
2
3
4
5
6

x2i

yi

0
1
2
0
1
2
6

2
2
4
4
6
6
24

promedio

x1i^2

19
12
11
24
22
15
103
17.1666667

24
28
112

x2i^2
0
1
4
0
1
4
10

6
6
24

6
10
28

1
0
0

1
4
4

4 17.1666667
4
-17
16
12

1
0
0

1
1
0

4 17.1666667
1
-4.25
12
29

1
0
0

1
1
0

4 17.1666667
1
-4.25
1 2.41666667

a0
a1
a2

x1ix2i

x1iyi

4
4
16
16
36
36
112

0
2
8
0
6
12
28

x2iyi
0
12
22
0
22
30
86

yi calculada (yi-yicalculada)^2 (yi-yiprom)^2


38
19
1.26218E-29 3.361111111
24 12.3333333
0.111111111
144
44
10.5
0.25
8464
96 23.8333333
0.027777778
3844
132
22
1.26218E-29
161604
90 15.3333333
0.111111111
225
424
103
0.5 174284.3611

103
86
424

14.1666667
-6.66666667
2.41666667

0.999998566

Interpolacin Lineal:
T(C)
50
75
100
150
200
250

H(KJ/Kg)
214.4
318.7
423.5
635.6
854.2
1085.8

X0
F(X0)
XI
F(XI)
X
F(X)

200
854.2
250
1085.8
228.5
986.212

T(C)

H(kj/kg)
115
487.13
228.5
986.212

Interpolacin Cuadrtica.-

Interpolacion Cuadratica
X0
F(X0)
x1
f(x1)
x2
f(x2)
b0
b1
b2
x
f(x)

50
214.4
75
318.7
100
423.5
214.4
4.172
0.0004
82
347.9936

T(C)
50

H(KJ/Kg)
214.4

75

318.7

1ra dif

2da dif

3ra dif

4ta dif

bo

100

423.5

150

635.6

200

854.2

132.74

561.876148

4.172 b1
0.0004 b2
4.192
2.66667E-06 b3
0.00066667
4.242
5.06667E-06
0.0013
4.372

1.6E-08 b4

Interpolacin de Lagrange.T(C)
50
75
100
150

H(KJ/Kg)
214.4
318.7
423.5
635.6

93.18

Lo
L1
L2
L3

-0.0563598
0.35696609
0.71367047
-0.01427676

Lo
L1
L2
L3
L4

n=4
-0.25557191
1.00174441
-1.21160126
0.96215722
0.50327154

394.846688

T(C)
50
75
100
150
200

H(KJ/Kg)
214.4
318.7
423.5
635.6
854.2
186.17

792.78987