Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad
4
Regresión, interpolación y derivación
numérica
Contenido
4.1. Análisis de Regresión
4.1.1. Fundamentos estadísticos.
4.1.2. Método de mínimos cuadrados.
4.1.2.1. Regresión lineal simple. Linealización de funciones no lineales
4.1.2.2. Regresión polinomial.
4.1.2.3. Regresión lineal múltiple.
4.1.2.4. Regresión no lineal
4.2. Interpolación.
4.2.1. Polinomios de interpolación con diferencias divididas de Newton.
4.2.2. Polinomios de interpolación de Lagrange.
4.3. Derivación numérica. Diferencias finitas
Número de intervalos = n
Algunos autores proponen las siguientes alternativas:
k
1. Regla de 2 a la k, de tal manera que 2 sea mayor que el número de observaciones (n). Donde
k es el número de clases.
2. Elección arbitraria entre 5 y 20 clases y
3. Regla de Sturges K 3.3(log n) 1 donde n es el número de observaciones y log n en base
10.
El ancho de clase, o intervalo de clase, o amplitud de clase se calcula dividiendo el Rango de los datos
entre el número de intervalos.
Y así sucesivamente.
Ejemplo: Construya una tabla de frecuencias completa usando los datos recabados del gasto en
transporte que hacen 25 alumnos de cierta universidad para llegar a la escuela.
Dinero gastado:
Número de intervalos = n 25 5
Clase
1 17.89 x 30.854
2 30.854 x 43.818
3 43.818 x 56.782
4 56.782 x 69.746
5 69.746 x 82.71
Se determina:
Li Ls
Punto medio o marca de clases, x
2
Frec. Relativa, Frec. Relativa Frec. Marca de
Clase Frecuencia, F FR porcentual, FRP (%) Acum., FA clases, x
1 17.89 30.854 8 0.32 32 8 24.372
2 30.854 43.818 8 0.32 32 16 37.336
3 43.818 56.782 7 0.28 28 23 50.3
4 56.782 69.746 1 0.04 4 24 63.264
5 69.746 82.71 1 0.04 4 25 76.228
Total 25 1 100
Ejercicio: Suponga que usted trabaja en la empresa Caromarketing. Su jefe, el Director del
departamento de Servicio a Clientes, le ha pedido que registre el número de clientes atendidos por cada
operador en un lapso de 10 minutos, hacer una tabla de frecuencia.
9 2 1 7 2 6
3 8 1 1 6 0
9 2 7 0 7 6
9 4 1 8 5 3
4 4 3 4 4 3
2 3 6 5 4 3
2 8 2 9 7 2
Solución:
Tres herramientas que serán de utilidad para representar gráficamente una distribución de frecuencias
son los histogramas, los polígonos y ojivas o también conocidas como polígonos de frecuencia
acumulada.
Histograma. Es una representación gráfica en donde las clases se señalan en un eje horizontal y las
frecuencias de clases en el eje vertical. Las barras que se forman están completamente unidas unas a
otras a diferencia de las gráficas de barras, cuyas barras pueden presentarse de manera separada. Los
histogramas pueden ser:
Histograma de frecuencia
Histograma de frecuencia relativa
Histograma de frecuencia relativa porcentual.
Solución:
Polígono. Consiste en segmento de recta que conecta los puntos localizados por la intersección de los
puntos medios de clase y las frecuencias de clase. Los puntos medios de cada clase se marcan en la
escala del eje X y las frecuencias de clase en el eje Y. Iniciaremos el trazo de esta grafica medio punto
atrás del límite inferior de la primera clase y concluiremos medio punto adelante del límite superior de
la última clase.
Un polígono crea la impresión de que las frecuencias cambian más suavemente, mientras que un
histograma sugiere que las frecuencias cambian abruptamente.
Es una gráfica lineal construida a partir de las frecuencias acumuladas o relativas acumuladas. Las
ojivas ofrecen un medio gráfico para interpolar o aproximar el número o porcentaje de observaciones
menores o iguales que un valor específico.
Para trazar una distribución de frecuencias acumulativas, se ubica el límite superior de cada clase en
una escala a lo largo del eje X, y las correspondientes frecuencias acumulativas a lo largo del eje Y. Para
comenzar, la primera marca ubíquela medio punto atrás del límite inferior de la primera clase con una
frecuencia de cero.
Observe que las ojivas inician media amplitud de clase antes del límite inferior de la clase y terminan en
el límite superior de la última clase.
1. Para construir los polígonos, ¿necesitamos los puntos medios, los límites de clase o la
frecuencia acumulada?
a) Puntos medios
b) Frecuencia acumulada
c) Límites de clase
d) Rango
2. Para construir los histogramas, ¿requerimos los puntos medios, los límites de clase o el rango?
a) Puntos medios
b) Frecuencia acumulada
c) Límites de clase
d) Rango
Datos agrupados
El concepto es el mismo que la media para datos en bruto o sin agrupar, sin embargo ahora usaremos la
frecuencia de la clase y su punto medio correspondiente como lo vemos en la siguiente fórmula:
x f i i
i 1
n
Formula: Media poblacional para datos agrupados
k
x f i i
x i 1
n
Ejercicio: Calcule la media para la siguiente tabla de distribución de frecuencias
Marca de clases,
f *x
Clase Frecuencia, F x
1 17.89 30.854 8 24.372 194.976
2 30.854 43.818 8 37.336 298.688
3 43.818 56.782 7 50.3 352.1
4 56.782 69.746 1 63.264 63.264
5 69.746 82.71 1 76.228 76.228
Total 25 985.256
Solución:
k
x f i i
985.256
x i 1
39.41
n 25
La mediana. La mediana es el valor del elemento intermedio cuando todos los elementos se ordenan,
y puede representarse por x o Me.
Datos agrupados
Marca de clases,
Clase Frecuencia, F x
1 17.89 30.854 8 24.372
2 30.854 43.818 8 37.336
3 43.818 56.782 7 50.3
4 56.782 69.746 1 63.264
5 69.746 82.71 1 76.228
Total 25
Solución: como los datos ya están ordenados por lo cual procedemos a calcular la posición del valor
central:
n 25
i 12.5
2 2
Apoyándose con las frecuencias acumuladas, vemos que el 13° dato se encuentra en el intervalo 2, cuya
marca de clases es 37.336. Por lo tanto,
Me = 37.336
La moda. La moda para datos agrupados corresponde a la marca de clase o punto medio de la clase
que contenga la frecuencia mayor.
Marca de clases,
Clase Frecuencia, F x
1 17.89 30.854 8 24.372
2 30.854 43.818 8 37.336
3 43.818 56.782 7 50.3
4 56.782 69.746 1 63.264
5 69.746 82.71 1 76.228
Total 25
Solución:
Como el numero 8 aparece dos veces. Se llamará bimodal con Mo = 24.372 y Mo = 37.336
Determine:
Ejercicio: Los siguientes datos indican el número de trabajadores que faltan a una fábrica en 50 días de
trabajo:
13 8 3 11 29
5 21 11 3 12
13 12 19 6 9
37 11 6 10 19
10 7 15 4 8
16 7 10 6 20
2 9 14 32 15
11 16 10 9 5
6 49 7 12 17
12 18 24 7 10
Determine:
Solución:
Las medidas de tendencia central solas no describen apropiadamente una característica en estudio por
lo que se necesitan mediciones que sean sensibles a la variabilidad de los datos.
Algunos ejemplos de medidas de dispersión son: Rango, Varianza y Desviación estándar entre otras.
Rango.
El rango es la diferencia que se observa entre el dato más grande y el más pequeño de un conjunto de
datos. Puede representarse con la letra R.
Formula: Rango
Ejercicio: Las edades en años de un grupo familiar son: 30, 1, 7, 4, 32, 8 y 2 calcule el Rango.
Solución:
Desviación media.
La desviación respecto a la media es la diferencia en valor absoluto entre cada valor de la variable
estadística y la media aritmética.
Di x x
Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación media es:
x1 x f1 x2 x f 2 ... xn x f n
Dx
N
n
x x i fi
Dx i 1
N
Marca de
|x - prom|*f
Clase Frecuencia, F clases, x
1 17.89 30.854 8 24.372 120.304
2 30.854 43.818 8 37.336 16.592
3 43.818 56.782 7 50.3 76.23
4 56.782 69.746 1 63.264 23.854
5 69.746 82.71 1 76.228 36.818
25 273.798
x x i fi
273.798
Dx i 1
10.95
N 25
Varianza.
La varianza es una medida de dispersión que se basa en la diferencia entre el valor de cada observación
y la media. A esta diferencia se le conoce como desviación respecto de la media. Elevamos al cuadrado
cada diferencia y calculamos su promedio. Observe en los siguientes recuadros que existen pequeñas
diferencias en el cálculo de la varianza poblacional y la varianza muestral.
El procedimiento es muy similar a como lo hicimos en conjunto de datos, solo que ahora usamos el
punto medio o marca de clases como valor representativo del intervalo y multiplicamos por su
frecuencia respectiva.
s 2
f (x x ) i
2
n 1
Marca de clases,
f *x f ( x - prom)^2
Clase Frecuencia, F x
1 17.89 30.854 8 24.372 194.976 1809.189
2 30.854 43.818 8 37.336 298.688 34.420
3 43.818 56.782 7 50.3 352.1 830.108
4 56.782 69.746 1 63.264 63.264 569.002
5 69.746 82.71 1 76.228 76.228 1355.547
Total 25 985.256 4598.266
Solución:
4598.266
s2 191.59
24
Desviación estándar.
La desviación estándar es la medida de variabilidad que se utiliza más a menudo, calculada por la raíz
cuadrada positiva de la varianza.
2
Fórmula: Desviación estándar muestral
s s2
Nota: cuando más pequeña sea la desviación, mayor será la concentración de datos alrededor de la
media.
Ejercicio: Los siguientes datos representan el número total de pasajeros que utiliza la ruta Caléxico - El
Centro de la empresa “Número Uno Shuttle”. El total de corridas en un día de servicio son un total de 38
viajes.
52 50 36 35 50 23 23 27
23 48 28 38 43 25 39 22
29 40 22 40 36 28 33 29
32 34 26 46 30 24 22
54 32 27 44 26 31 24
Ejercicio resuelto.
1. El siguiente conjunto de datos representa el dinero que los estudiantes gastaron el lunes en la
cafetería del Tecnológico.
39.70, 46.65, 82.71, 25.94, 60.2, 28.3, 31.47, 43.63, 50.32, 48.14, 28.31, 33.45, 41.17, 35.25,
22.78, 17.95, 29.17, 47.32, 35.70, 38.22, 44.97, 48.39, 52.16, 17.89, 23.25, 48.22, 16.75, 20.25,
33.18, 37.08, 60.00, 68.05, 35.89, 23.12
a) Construya una distribución de frecuencia
b) Calcular la media aritmética, la moda y mediana
c) Calcular el rango, desviación estándar y varianza
a) Media = 38.413
Mediana = 33.240 posición i = 17
Moda = 33.240
b) Rango = 65.960
S= 13.59538811
S^2 = 184.8345778
2. En la tabla que sigue se recogen los pesos de 40 estudiantes varones de una universidad, con
precisión de 1 libra. Construir una distribución de frecuencias.
Calcular:
a)
b) Media==
Rango 146.550
57.000
SMediana
= = 142.750
13.1 posición i = 20
Moda
S^2 = = 142.750
170.3179487179
b) Rango = 57.000
S= 13.1
S^2 = 170.3179487179
3. De los archivos del Servicio médico se tomaron todas las fichas de pacientes que ingresaron
con diagnóstico de presunto de Infarto de Miocardio. Estas fichas se separaron en dos grupos:
en uno se ubicaron los que no tuvieron infarto como se verificó después, y en el otro aquellos
con diagnóstico confirmado. Se desecharon los casos dudosos.
De cada grupo se escogieron al azar 90 casos y se tomó el valor de CPK expresado en unidades
enzimático. Los valores obtenidos fueron:
Sin infarto:
10 15 39 21 8 67 23 32 9
33 18 6 77 22 70 28 12 10
20 37 11 1 2 34 8 79 13
2 23 17 14 18 19 12 25 17
76 22 20 4 13 98 13 63 18
38 7 23 6 12 38 24 5 91
8 3 19 33 23 11 13 19 11
63 2 18 30 33 5 14 16 10
76 30 26 39 16 9 19 3 88
80 35 28 40 18 30 22 7 15
Con infarto:
23 57 56 57 97 93 80 70 66
44 21 41 150 66 99 62 71 180
55 35 60 29 65 77 64 73 179
81 122 49 61 150 76 73 63 69
88 37 56 80 61 74 132 71 140
93 154 51 85 69 79 66 74 123
99 45 52 87 81 68 77 76 122
Solución:
d) Moda = 17.167
El significado de mínimos cuadrados consiste en obtener la recta que ajuste a una serie de
datos numéricos, con la condición que la suma de los cuadrados de los residuos sea mínima
posible.
Figura: a) Muestra de datos con un error significativo. b) Ajuste polinomial con oscilaciones
que violan el rango de los datos, c) Se obtienen resultados más satisfactorios usando el ajuste
de mínimos cuadrados.
El método más simple de ajustar una curva a un conjunto de datos es el de trazar los puntos y
unirlos con una línea recta. Aunque es una alternativa validad y se utiliza cuando se requiere
hacer estimaciones rápidas, los resultados son independientes, desde un punto de vista
subjetivo, de la persona que traza la recta. Para quitar esta dependencia se usa la regresión
lineal o mínimos cuadrados.
Problema:
Puntos 1 2 3 4 5
Fuerza (kg): x 0 2 3 6 7
Longitud del resorte (m): y 0.120 0.153 0.170 0.225 0.260
95
90
80
70
Percent
60
50
40
30
20
10
1
-0.015 -0.010 -0.005 0.000 0.005 0.010 0.015
Residual
Ejemplo: El calor específico Cp(cal / kgmol) del Mn3O4 varía con la temperatura de acuerdo
a la siguiente tabla:
Punto 1 2 3 4 5 6
T (K) 280 650 1000 1200 1500 1700
Cp 32.7 45.4 52.15 53.7 52.9 50.3
40.000
30.000
20.000
10.000
0.000
0 500 1000 1500 2000
4.2 Interpolación
4.2.1. Polinomios de interpolación con diferencias divididas de Newton.
El polinomio de interpolación con diferencias divididas de Newton, entre otros es la forma
más popular además de las más útil. Antes de presentar la ecuación general, se examinan las
versiones de primero y segundo orden debido a su fácil interpretación visual.
Interpolación lineal
La forma más simple de interpolar es la de conectar dos puntos con una línea recta. Este
método, llamado interpolación lineal, se muestra en la figura
La cual es una fórmula de interpolación lineal. La notación f 1(x) indica que se trata de un
polinomio de interpolación de primer orden. Nótese que además de representar la pendiente
de la linera que conecta los dos puntos, el termino
f ( x1 ) f ( x0 )
x1 x0
Es una aproximación de diferencias divididas finitas a la primera derivada. En general, entre
más pequeño sea el intervalo entre dos puntos, más exacta será la aproximación.
Ejemplo:
Enunciado del problema: calcúlese el logaritmo natural de 2 (ln 2) usando interpolación lineal.
Primero, llévense a cabo los cálculos interpolando entre 1 y 6. Después repítase el
procedimiento, pero usando un intervalo más pequeño desde 1 a 4. Nótese que el valor real
de ln 2 = 0.69314718.
F (x) = ln x
X 0 = 1, f (X 0 ) = 0
X 1= 6 , f ( x 1 ) = 1.7917595
Solución: usando la ecuación
f 1( x) f ( x0 ) f x0 , x1 ( x x0 )
una interpolación lineal de x = 1 a x = 6 da:
Por lo tanto, usando el intervalo más pequeño reduce el error relativo porcentual a v = 33.3
%. Ambas interpretaciones se muestran en la figura junto con la función verdadera.
Ejercicios: Calcúlese el logaritmo de 4 en base 10 (log 4) usando interpolación lineal.
Interpolar entre log 3 y log 5
Interpolar entre log 3 y log 4.5.
Para cada una de las interpolaciones calcúlese el error relativo porcentual basado en el error
verdadero de log 4 = 0.602059991
Entre 3 y 5
b) entre 3 y 4.5
Ejemplo:
Calcular ln 9.2 a partir de:
a) ln 9.0 =2.197224577,
b) ln 9.5 = 2.251291799
Por interpolación lineal y determinar el error a partir de ln 9.2
Solución:
i xi f(xi) primero
0 9 2.197225
0.10813
1 9.5 2.251292
para x = 9.2 f1(9.2) = 2.218851
Ejercicios:
Por interpolación lineal calcular f(1.75) a partir de:
f (1.0) = 3.00000, f(1.2) = 2.98007,
f(1.4) = 2.92106; f(1.6) = 2.82534
f(1.8) = 2.69671; f(2.0) = 2.54030.
Solución:
f 1( x) f ( x0 ) f x0 , x1 ( x x0 )
i xi f(xi) primero
0 1 3
-0.0997
1 1.2 2.98007
2.925263
para x = 1.75 f1(1.75) =
b)
i xi f(xi) primero
0 1.4 2.92106
-0.4786
1 1.6 2.82534
Solución:
f 1( x) f ( x0 ) f x0 , x1 ( x x0 )
a)
i xi f(xi) primero
0 1.2 3
-0.09965
1 1.4 2.98007
b)
i xi f(xi) primero
0 1.6 2.92107
-0.47865
1 1.8 2.82534
i xi f(xi) primero
0 2.0 2.69671
-0.78205
1 2.2 2.54030
Interpolación cuadrática
Una estrategia que mejora la aproximación es la introducir cierta curvatura en la línea que
conecta a los puntos. Si se dispone de tres datos, lo anterior se puede llevar a cabo con un
polinomio de segundo orden (llamado también polinomio cuadrático o parábola). Una manera
conveniente para este caso es:
f 2( x) f ( x0 ) f x0 , x1 ( x x0 ) f x0 , x1 , x2 ( x x0 )( x x1 )
Ejemplo:
Interpolación cuadrática
Enunciado del problema: ajústese el polinomio de segundo orden a los tres puntos usados en el
ejemplo anterior: ln 1, ln 6, ln 4, ln 2 = 0.69314718
X 0 = 1 f(x0 ) = 0
X 1 = 4 f(x1 ) = 1.3862944
X 2 = 6 f(x2) = 1.7917595
que se evalúa en x = 2 y se obtiene
Por lo tanto, la curvatura introducida por la forma cuadrática. Mejora la interpolación comparada
con los resultados obtenidos al usar una línea recta.
x = 0.3 a partir :
x 0 = -0.5
x1=0
x2 =1
Solución:
i xi f(xi) primero segundo
0 -0.5 -0.5211
1.04219
1 0 0 0.08867
1.17520
2 1 1.175201
Interpolación polinomial
Ejemplo: En las tablas siguientes se presentan la temperatura de ebullición de la acetona
C3 H 6O a diferentes presiones, elabore una aproximación polinomial de newton para la
información tabular de las presiones de vapor de la acetona e interpole la temperatura para una
presión de 2 atm
Puntos 0 1 2 3
T ( C) 56.5 113.0 181.0 214.5
P (atm) 1 5 20 40
Solución:
fn( x) f ( x0 ) f x0 , x1 ( x x0 ) f x0 , x1 , x2 ( x x0 )( x x1 )
f x0 , x1 , x2 , x3 ( x x0 )( x x1 )( x x2 ) ...
f x0 , x1 , x2 , x3 ,..., xn ( x x0 )( x x1 )( x x2 )( x x2 )...( x xn )
Ejemplo:
Polinomio de interpolación de Newton con diferencias divididas.
Enunciado del problema: en el problema anterior se usaron los puntos x0 = 1, x1 = 4 y x2 = 6 para
calcular ln 2 con una parábola. Ahora agregando un cuarto punto (x3 = 5; f(x3) = 1.6094379),
calcúlese ln 2 con un polinomio de interpolación de newton con diferencias divididas de tercer
orden. f (x) = ln x
x0 = 1 ; f ( x 0 ) = 0
x1 = 4 ; f ( x1 ) = 1.386294361
x2 = 6 ; f ( x2 ) = 1.791759469
x3 = 5 ; f ( x3 ) = 1.609437912
Solución. el polinomio de tercer orden, ecuación con n = 3, es:
Ejemplo:
Calcular f (9.2) a partir de los valores dados.
x0 = 8.0 ; f ( x0 ) = 2.079442
x1 = 9.0 ; f ( x1 ) = 2.197225
x2 = 9.5 ; f ( x2 ) = 2.251292
x3 = 11.0 ; f ( x3 ) = 2.397895
Puntos 0 1 2 3 4
xi 1.00 1.35 1.70 1.90 3.00
f(xi ) 0.00000 0.30010 0.53063 0.64185 1.09861
Construya una tabla de diferencias divididas para aproximar f(x) en x = 1.50; utilice un polinomio
de Newton
Solución:
i xi f(xi) primero segundo tercero cuarto
0 1 0
0.85743
1 1.35 0.3001 -0.28396
0.65866 0.10832
2 1.7 0.53063 -0.18647 -0.030492062
0.55610 0.04734
3 1.9 0.64185 -0.10836
0.41524
4 3 1.09861
1 5 113 -0.50482
4.53333 0.01085
2 20 181 -0.08167
1.67500
3 40 214.5
para x = 2 p1(2) = 72.72538
f 2 x
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2
f 2 x
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2
(2 4)(2 6) (2 1)(2 6) (2 1)(2 4)
f 2 (2) (0) (1.386294361 ) (1.791759469 )
(1 4)(1 6) (4 1)(4 6) (6 1)(6 4)
f 2 (2) 0.565844346
Como se esperaba, ambos resultados coinciden muy cerca con los que se obtuvieron previamente
usando la interpolación polinomial de newton.
En resumen, para los casos en donde el orden del polinomio se desconozca, el método de Newton
tiene ventajas debido a que profundiza en el comportamiento de las diferentes fórmulas de orden
superior.
Cuando se va a llevar a cabo solo una interpolación, ambos métodos, el de Newton y el Lagrange
requieren de un esfuerzo de cálculo similar. Sin embargo, la versión de Lagrange es un poco más
fácil de programar. También existen casos en donde la forma de Newton es más susceptible a los
errores de redondeo. Debido a esto y a que no requiere calcular y almacenar diferencias divididas,
a la forma de Lagrange se usa, a menudo, cuando el orden del polinomio se conoce a priori.
Problema: Calcular ln 9.2 a partir de ln 9.0, ln 9.5 por interpolación lineal de Lagrange y determinar
el error a partir de ln 9.2 = 2.2192 (4D)
Solución
x0 = 9.0 ; f ( x0 ) = 2.1972
x1 = 9.5 ; f ( x1 ) = 2.2513
Solución de primer orden :
x x1 x x0
f1 ( x) f x0 f x1
x0 x1 x1 x0
(9.2 9.5) (9.2 9.0)
f 1 (x ) (2.1972) (2.2513) 2.2188
(9.0 9.5) (9.5 9.0)
Problema: Calcular ln 9.2 a partir de ln 9.0, ln 9.5, ln 11.0 por interpolación cuadrática de Lagrange
y determinar el error a partir de ln 9.2 = 2.2192 (4D)
Solución
x0 = 9.0 ; f ( x0 ) = 2.1972
x1 = 9.5 ; f ( x1 ) = 2.2513
x2 = 11 ; f ( x1 ) = 2.3979
Solución
f 2 x
x x1 x x2 f x x x0 x x2 f x x x0 x x1 f x
x0 x1 x0 x2 0 x1 x0 x1 x2 1 x2 x0 x2 x1 2
f2 x
9.2 – 9.5 (9.2 – 11) 2.1972 9.2 – 99.2 – 11 2.2513 9.2 9 (9.2 9.5) 2.3979
9 – 9.59 – 11 9.5 – 99.5 – 11 11– 9 (11– 9.5)
f 2 (x) = 1.1865 + 1.0806 – 0.0480 = 2.2191
i 0 1 2 3
f(Xi) -3 0 5 7
xi 0 1 3 6
a)
3
P3 ( x) x 1x 3( x 6) x 0x 3( x 6)
0
(0 1)(0 3)(0 6) (1 0)(1 3)(1 6)
x 0x 1( x 6) 5
x 0x 1( x 3)
7
(3 0)(3 1)(3 6) (6 0)(6 1)(6 3)
y finalmente resulta
3 3 3 2 276
P3 ( x) x x x3
90 90 90
b)
x = 1.8 por lo tanto f(1.8) = 2
Problema: Las densidades de las soluciones acuosas del ácido sulfúrico varían con la temperatura y
la concentración de acuerdo con la tabla :
T (º C)
C (%) 10 30 60 100
Solución:
La temperatura se toma como el argumento x y las densidades ( a 40%) como el valor de la
función f(x). Con una interpolación lineal entre las densidades a 10 ºC y 30 ºC se tiene :
T (º C )
C (%) 10 30 60 100
x x1 x x0 15 30 15 10
f1 ( x) f x0 f x1 d 15 1.3103 1.2953 1.3066
x0 x1 x1 x0 10 30 30 10
Se toma ahora las concentraciones como argumentos x y las densidades ( a 30 ºC) como los
valores funcionales; luego, mediante una interpolación lineal entre las concentraciones a 40% y 70
% queda :
T (º C )
C (%) 10 30 60 100
x x1 x x0 50 70 50 40
f1 ( x) f x0 f x1 d 50 1.2953 1.6014 1.3973
x0 x1 x1 x0 40 70 70 40
T (º C )
C (%) 10 30 60 100
Aproximación de la densidad a 60% y 50ºC . Usando los valores obtenidos en los pasos anteriores.
60 70 60 40
d 60 1.2806 1.5840 1.4829
40 70 70 40
d n f ( x) d n p n ( x )
dx n dx n
Al diferenciar la formula fundamental de Newton dada arriba se tiene
d n f ( x) d n pn ( x) d n Rn ( x)
dx n dx n dx n
d n Rn ( x) d n f ( x) d n pn ( x)
Donde es el error que se comete al aproximar por .
dxn dx n dxn
Si las abscisas dadas x0 , x1 ,..., xn están espaciadas regularmente por intervalos de longitud h,
df ( x) 2 x x0 x1 2h 2 x 4 x 2 x1 2h 2 x x0 x1
f ( x0 ) 0 f ( x1 ) f ( x2 )
2 2
dx 2h 2h 2h 2
La segunda derivada puede calcularse derivando una vez más con respecto a x, o sea
d 2 f ( x) 1 2 1
2
2 f ( x0 ) 2 f ( x1 ) 2 f ( x2 )
dx h h h
a
P 2 v b RT
v
Donde:
Puntos 0 1 2 3
P (atm) 13.782 12.577 11.565 10.704
V (cm3) 2000 2200 2400 2600
P
Calcule v cuando v = 2300 cm3
Solución:
P 2v v0 v1 2h 2v 4v 2v1 2h 2v v0 v1
P0 0 P1 P2 ;
v 2h 2
2h 2
2h 2
con h = 200
Solución
C A
Lo que se busca es en si T 300, P 8 que se puede evaluar con la ecuación
T
dp2 ( x) 2 x x1 x2 2 x x0 x 2 2 x x0 x1
f ( x0 ) f ( x1 ) f ( x2 )
dx x
0 1 0 x x x
2
1 0 1 2
x x x x
2 x x 0 x 2 x
1
Donde f(x) representa a CA y x a T; de tal modo que sustituyendo los tres puntos enmarcados de la
tabla queda