1.

Interpolación cubica segmentada

Para la construcción de los segmentos de polinomios se utilizarán los siguientes
datos, correspondiente al censo de España, no se utilizaron todos los datos ya que
en algunos casos seguía el año siguiente(consecutivos) lo cual no queremos. Ya
que lo que queremos es interpolar los datos. estos datos se obtuvieron de la
página Wikipedia.

Evolución de la población española

Año Población Aprox. (Millones)

1857 15.464.340 15,5
1877 16.622.175 16,6
1887 17.549.608 17,5
1900 18.616.630 18,6
1910 19.990.669 20
1920 21.388.551 21,4
1930 23.677.095 23,7
1940 26.014.278 26
1950 28.117.873 28,1
1960 30.582.936 30,6
1970 33.956.047 34
1981 37.742.561 37,7
1991 39.433.942 39,4
2001 40.499.791 40,5
2010 47.021.031 47
2016 46.468.102 46,5
Fuente: es.wikipedia.org/wiki/Demografía_de_España

Ahora para realizar los polinomios, utilizaremos los datos del censo, pero aproximados para
facilitar el trabajo. para la construcción de lo polinomios tenemos que ingresar los datos al
software derive y ajustarla a una ecuación cubica ([x, *a*x^3 + b*x^2 + c*x +D]) y colocar
4 datos del censo más próximos (2 a la izquierda y 2 a la derecha, lo que llamaremos tabla
seccional), así sucesivamente, en mi caso son 16 datos los cual se realizo 5 veces este
proceso. En caso de que no fuera 4 datos y solo 3 se ajusta a una cuadrática, en otro caso si
fueran 2 a una lineal.

-Polinomio (1) = - 1.009·10-5·x3 + 0.057·x2 - 107.359·x + 6.733·104

Tabla Seccional [1857;1900]
-Polinomio (2) = - 1.5·10-4 ·x3 + 0.864·x2 -1658.635·x + 1.061·106
Tabla Seccional [1900;1930]
-Polinomio (3) = 8.333·10-5·x3 - 0.483·x + 933.362·x - 6.013·105
Tabla Seccional [1930;1960]
-Polinomio (4) = 2.625·10-4·x - 1.562·x + 3098.291·x - 2.048·106
Tabla Seccional [1960;1991]
-Polinomio (5) = 2.625·10-4·x - 1.562·x + 3098.291·x - 2.048·106
Tabla Seccional [1991;2016]

Teniendo todo esto polinomios podemos formar el polinomio total que sirve para calcular cualquier
año queremos

Interpolación total = Total(x)=Polinomio (1) +Polinomio (2) +polinomio (3) +polinomio (4) +polinomio
(5)

Años de Importancia

Total (2015) = 46.7 lo que significa que hay 46700000 millones de habitantes en ese año

Total (1997) = 43.1 lo que significa que hay 43100000 millones de habitantes en ese año

Total (1860) = 15.8 lo que significa que hay 15800000 millones de habitantes en ese año
 Polinomio segmentado de interpolacion, poblacional de
P
España para años 1857 y 2016
o
b 50
l 45
a
c 40
i 35
í
o
30
n 25
(
20
M
i 15
l 10
l
o 5
n 0
e 1840 1860 1880 1900 1920 1940 1960 1980 2000 2020 2040
s
) Años

Gráfico con puntos entregados por censos con ajustes cúbicos

Polinomio (1) = rojo

Polinomio (2) = amarillo
Polinomio (3) = Azul
Polinomio (4) = Verde
Polinomio (5) = Negro

170 83 2 101
2. 3 170 144 232 Interpolación
28 61 164 68
con un 203 192 154 183
zoom de
grises

Para encontrar el valor que está en el punto de [1,5; 1,5] se realizara una interpolación
lineal
Para la primera matriz se realizar el sector amarillo la cual se realizara 2 matriz y se
ajustara linealmente, luego de tener la dos lineales se reemplazara por 1.5, luego de
obtener ese resultado realizamos una matriz más para los valores obtuvimos y la
ajustamos de nuevo linealmente luego la reemplazamos por 1.5 para obtener el “zoom”

Matriz Polinomio Valor Obtenido

reemplazando 1.5
[1 170; 257 - 87·x 126.5
2 83]
[1 3; 167·x - 164 86.5
2 170]
[1 126.5; 260 - 96·x 106.5
2 86.5]
Para encontrar realizamos el matriz, pero en filas de la matriz que nos entregaron y el
valor que está en el punto de [2,5; 2,5] se realizara una interpolación cubica, obteniendo
los siguientes resultados a partir del programa derive.

Matriz Polinomio Valor

Obtenido
reemplazando
2.5
[1 170; 31
2 83; 29·x3 - 171·x2 + 223·x + 89
3 2;
4 101]
[1 3; 162
2 170; 51.167·x3- 403.5·x2 + 1019.333·x - 664
3 144;
 4 232]
[1 28; 121
2 61; - 44.833·x3 + 304·x2 - 565.1667·x + 334
3 164;
4 68]
[1 203; 15.667·x3 - 107.5·x2 + 201.833·x + 93 171
2 192;
3 154;
4 183]
[1 31; 146
2 162; 43.958·x3 - 349.969·x2 + 873.260·x -
3 121; 536.375
4 171]
Para obtener el valor en [3,5; 3,5] tendremos que realizar el mismo paso, pero en
color verde
Matriz Polinomio Valor Obtenido
reemplazando 1.5
[1, 164; 260 - 96·x 116
2, 68]
[1, 154; 29·x + 125 168.5
2, 183]
[1, 116; 52.5·x + 63.5 142.25
2, 168.5]

En el esquema, se trabajará a través del programa Paint, teniendo en cuenta que los
valores de los pixeles estarán asociados a los números desde el cero tomando el color
negro hasta 255 tomando el color blanco, esto quiere decir que mientras más cercano
este el número del cero será un color oscuro y mientras grande sea el numero tomara un
color más claro.

Datos obtenidos del proceso

Punto [1,5; 1,5] = 107

Punto [2,5; 2,5]= 146

Punto [3,5; 3,5] =142

(ESQUEMA DE ESCALA DE COLORES DESDE 0 A 255)

4.Los polinomios de Taylor

datos:

= 29.4 1=9 a=26.8

Para la obtener la gráfica de la densidad normal se utilizará el programa Derive evaluando en la

fórmula de densidad normal con los valores mencionados ya anteriormente obteniendo como
resultado la siguiente función:

Normal(x)=0.044·2.71^ (- 0.5·((x - 29.4)/9)^2)

𝑃3(𝑥) ≅ - 2.538889514·10-29 ·(3.206716743·1023 ·x3 - 1.633295575·1025 ·x2 +
1.308945635·1026 ·x + 3.756769973·1026 )

4.Ajuste en mínimos cuadrados

x y
8 226
11 425.5
14 689
14 687
18 1136
26 2367
31 3363.5
18 1137
14 688
5 89,9
11 423,5
19 1265.5
14 686
27 2552.5
26 2366
(Tabla 3.1)

Para encontrar los valores de ecuaciones en las funciones lineal, cuadrática, cubica,
tenemos que ajustar la tabla 3.1 a los 3 modelos la cual se realizara en el programa derive
, luego de tener todos los modelos no dirigimos al programa Excel la cual crearemos un
código para cada modelo de la función y que la variable que tenga se reemplace por la
columna x de la tabla 3.1
X Y Función Lineal Función Cuadrática Función Cubica
8 226 42,30 225,65 225,60
11 425,5 427,61 425,25 425,05
14 689 812,92 687,76 687,62
14 687 812,92 687,76 687,62
18 1136 1326,68 1135,63 1135,73
26 2367 2354,18 2366,87 2367,13
31 3363,5 2996,36 3363,57 3363,08
18 1137 1326,68 1135,63 1135,73
14 688 812,92 687,76 687,62
5 89,9 -343,01 88,96 89,35
11 423,5 427,61 425,25 425,05
19 1265,5 1455,11 1265,07 1265,23
14 686 812,92 687,76 687,62
27 2552,5 2482,61 2552,23 2552,42
26 2366 2354,18 2366,87 2367,13
Tabla (3.2)

Resultados obtenidos a través del software derive con los tres modelos distintos
correspondientes a lineal, cuadrática y cubica

Las ecuaciones de los modelos obtenidos en el programa son:

MODELO LINEAL

Ecuación f(x) = 128.438·x - 985.202

MODELO CUADRATICO

Ecuación f(x) = 3.495·x2 + 0.1307·x + 0.93

MODELO CUBICO

Ecuación f(x) = - 5.8 ·10-4 ·x3 + 3.525·x2 - 0.338·x + 2.976

Grafica función lineal

Grafica función cuadrática

Grafica Función Cubica

5.La densidad normal bivariante
Con los datos obtenidos podemos realizar la det(A) para realizar la densidad bivariante
Matriz de varianza y covarianza

A =[0.004 0.373]
[0.373 44.54]
A=0.022
α = 1.66 [m]
β = 72.81 [kg]
ρ =0.004 [m*kg]
σx = 0.059
σy = 6.343

Teniendo todos los datos podemos realizar la densidad bivariante

1/ (2·π·√(0.022)·ê^((- 1/2)·[x - 1.66; y - 72.81])·A^(-1)·[x - 1.66; y - 72.81])

-Grafica Tridimensional del Modelo bivariante

Escala
X [-5;5]
Y[-50;50]
Z[-5;5]