TEMARIO

4.1 Interpolación

4.2 Regresión de mínimos cuadrados

4.3 Aplicaciones

HOJA 2
 4.1
4.1 INTERPOLACIÓN
INTERPOLACIÓN
Un problema clásico de la matemática, se plantea al querer calcular el valor de una fun-
ción en un punto cuando no se conoce la función o incluso cuando la función no existe,
conociéndose únicamente una serie de puntos. La resolución aproximada del problema
consiste en encontrar una función fácil de construir y de evaluar, que coincide con la
función objeto del problema con los datos de que se dispone. Se dice que la función así
construida interpola a la función dada con respecto a los datos.

Se trata de determinar fundamentalmente dos cosas:

1. Los datos que se desea que sean comunes a la función desconocida y a la función in-
terpoladora.

2. Qué tipo de función se va a utilizar como función interpoladora o función de interpo-

lación.

En ingeniería y algunas ciencias es frecuente disponer de un cierto número de puntos

obtenidos por muestreo o a partir de un experimento y pretender construir
una función que los ajuste.
Otro problema estrechamente ligado con el de la interpolación es la aproximación de
una función complicada por una más simple. Si tenemos una función cuyo cálculo
resulta costoso, podemos partir de un cierto número de sus valores e interpolar dichos
datos construyendo una función más simple. En general, por supuesto, no obtendremos
los mismos valores evaluando la función obtenida que si evaluamos la función original,
si bien dependiendo de las características del problema y del método de interpolación
usado la ganancia en eficiencia puede compensar el error cometido.
En todo caso, se trata de, a partir de n parejas de puntos (x k,yk), obtener una
función f que verifique

a la que se denomina función interpolante de dichos puntos. A los puntos xk se les

llama nodos. Algunas formas de interpolación que se utilizan con frecuencia son
la interpolación lineal, la interpolación polinómica (de la cual la anterior es un caso
particular), la interpolación por medio de spline o la interpolación polinómica de
Hermite.

HOJA 3
La interpolación consiste en hallar un dato de un intervalo en el que conocemos los
valores en los extremos.

El problema general de la interpolación se nos presenta cuando se nos da n una función

de la cual sólo conocemos una serie de puntos de la misma:
(X0,Y0), (X1,Y2), ….. (Xn,Yn).
Se pide hallar el valor de un punto x (intermedio de X0 y Xn) de esta función. La
interpolación se dará lineal cuando solo se tomen dos puntos y cuadrática cuando se
tomen tres.

INTERPOLACIÓN POLINOMINAL

Con frecuencia se encontrará con que tiene que estimar valores intermedios entre datos
definidos por puntos. El método más común que se usa para este propósito es la
interpolación polinomial. Recuerde que la fórmula general para un polinomio de n-
ésimo grado es f(x) = a0 + a1x + a2x2 + · · · + anxn
Dados n + 1 puntos, hay uno y sólo un polinomio de grado* n que pasa a través de todos
los puntos. Por ejemplo, hay sólo una línea recta (es decir, un polinomio de primer
grado) que une dos puntos De manera similar, únicamente una parábola une un
conjunto de tres puntos
La interpolación polinomial consiste en determinar el polinomio único de n-ésimo
grado que se ajuste a n + 1 puntos. Este polinomio, entonces, proporciona una fórmula
para calcular valores intermedios. Aunque hay uno y sólo un polinomio de n-ésimo
grado que se ajusta a n + 1 puntos, existe una gran variedad de formas matemáticas en
las cuales puede expresarse este polinomio.
Ejemplos de interpolación polinomial:
a) De primer grado (lineal) que une dos puntos
b) De segundo grado (cuadrática o parabólica) que une tres puntos
c) De tercer grado (cúbica) que une cuatro puntos.

HOJA 4
Ahora bien, para obtener los polinomios de interpolación existen otros métodos, como
los siguientes:

- Polinomios de Lagrange

- Polinomios de Interpolación parabólica progresiva.

- Polinomios de Newton.

- Polinomios de Gauss.

INTERPOLACIÓN LINEAL

La interpolación lineal es un procedimiento muy

utilizado para estimar los valores que toma una
función en un intervalo del cual conocemos sus valores
en los extremos (x1, f(x1)) y (x2,f(x2)). Para estimar este
valor utilizamos la aproximación a la función f(x) por
medio de una recta r(x) (de ahí el nombre de
interpolación lineal).

Cuando las variaciones de la función son

proporcionales (o casi proporcionales) a los de la variable independiente se puede
admitir que dicha función es lineal y usar para estimar los valores de la interpolación
lineal
Y- Y0 = (Y1-Y0)/(X1-Xo) (x – x0)

Sean dos puntos (X0, Y0) (X1; Y2) la interpolación lineal consiste en hallar una
estimación del valor Y, para un valor X tal que X0 < X < X1. Obtenemos la fórmula de la
interpolación lineal
Y- Y0 = (Y1-Y0)/(X1-Xo) (x – x0)

Uno de los métodos de interpolación más sencillos es el lineal. En general, en la

interpolación lineal se utilizan dos puntos, (xa,ya) y (xb,yb), para obtener un tercer punto
interpolado (x,y) a partir de la siguiente fórmula:

La interpolación lineal es rápida y sencilla, pero en ciertos casos no muy precisa.

La expresión de la interpolación lineal se obtiene del polinomio interpolador de
Newton de grado uno

HOJA 5
 INTERPOLACION CUADRÁTICA

Cuando el polinomio que conviene es de 2do grado la interpolación recibe el nombre

de cuadrática. El polinomio interpolar es único, luego como se encuentre da igual, sin
embargo, a veces los cálculos son muy laboriosos y es preferible utilizar un método que
otro.
A la vista de los datos se decide. En el ejemplo 1 se da el método de resolver el sistema
para encontrar los valores que determinan a la función cuadrática (a, b y c) También
podemos utilizar la expresión del polinomio interpolado así:
Y= a+ b(x-x0) + c (x – x0) (x – x1), con la que la búsqueda de los coeficientes es muy
sencilla.
LaGrange (1736 – 1813) dio una manera simplificada de calcular los polinomios
interpolares de grado n, para el caso de un polinomio de 2do grado que pasas por esos
puntos. Que es la última fórmula de LaGrange para n = 2.

4.2 REGRESIÓN
4.2 REGRESIÓN DE
DE MÍNIMOS
MÍNIMOS CUADRADOS
CUADRADOS
CUADRADOS
El método de los mínimos cuadrados se utiliza para calcular la recta
de regresión lineal que minimiza los residuos, esto es, las diferencias entre los valores
reales y los estimados por la recta. Se revisa su fundamento y la forma de calcular los
coeficientes de regresión con este método.
La dependencia entre dos (o más) variables puede ser tal que se base en una relación
funcional (matemática) exacta, como la existente entre la velocidad y la distancia
recorrida por un móvil; o puede ser estadística.
La dependencia estadística es un tipo de relación entre variables tal que conocidos las
variables no puede determinarse con exactitud el valor de la variable dependiente,
aunque si se puede llegar a determinar un cierto comportamiento de esta.
Una vez determinada la estructura de esta dependencia la finalidad última de la
regresión es llegar a poder asignar el valor que toma la variable Y en un individuo del
que conocemos que toma un determinado valor para la variable X. (para las variables
X1, X2, Xn)

El análisis de la dependencia estadística admite dos planteamientos relacionados, el

estudio del grado de dependencia existente entre las variables que queda recogido en
la teoría de la correlación
En el caso bidimensional, dadas dos variables X e Y con una distribución conjunta de
frecuencias (xi, yj, nij), llamaremos regresión de Y sobre X (Y/X) a una función que
explique la variable Y para cada valor de X, y llamaremos regresión de X sobre Y (X/Y)
a una función que nos explique la variable X para cada valor de Y.

HOJA 6
 MÉTODO DE CUADRADOS MÍNIMOS –REGRESIÓN LINEAL.

Cuando la relación entre las variables X e Y es lineal, el método de ajuste por

cuadrados mínimos se denomina también método de regresión lineal.
Observamos o suponemos una tendencia lineal entre las variables y nos preguntamos
sobre cuál es la mejor recta: y(x)=ax+b

Que representa este caso de interés. Es útil definir la función: x2=∑i (yi-(a-xi+b)2
Que es una medida de la desviación total de los valores observados Yi respecto de los
predichos por el modelo lineal ax+b.
Los mejores valores de la pendiente a y la ordenada al origen b son aquellos que
minimizan esta desviación total, o sea, son los valores que reemplazados en la ec(1)
minimizan la función ec(2).
Los parámetros a y b pueden obtenerse usando técnicas matemáticas que hacen uso
del cálculo diferencial.
Regresión mínima – cuadrática Consiste en explicar una de las variables en función de
la otra a través de un determinado tipo de función (lineal, parabólica, exponencial,
etc.) de forma que la función de regresión se obtiene mediante el método de mínimos
cuadrados (M.C.O)
Elegido el tipo de función () la función de regresión concreta se obtendrá
minimizando la expresión: 1 k ∑ ∑ i=1 j=1 (y, - (xi ))2 nij en el caso de la regresión de
y⁄x 1 k ∑ ∑p i=1 j=1 (xi- (yj))2 en el caso de la regresión de x⁄y

Ejemplo
Volviendo a los datos de una muestra de 15 estudiantes, a los cuales se había pasado
un test de inteligencia, cuyas puntuaciones se reflejan en la variable x y y, vamos a
calcular la recta de regresión de y sobre x

 La medida de x es 120/15=8
 La medida de y es 45/15=3
 La covarianza es 415/15-24=3,67
 La varianza de x es 1078/-64=7,87

HOJA 7
 Por consiguiente, la pendiente de la recta será:
a= 3,67/7,87= 0,466
y la ordenada en el origen:
b= 3-0,466∙8 = 3-3,728 = -0,728
 Por lo consiguiente la expresión de la recta de regresión de Y sobre X será:
Y= 0,466 x – 0,728

Para el ejemplo de pesos (kgs), estaturas (cms)

y-y= 1.11(x-x)
atan (1.11) = 47,89

REGRESIÓN MÍNIMO CUADRÁTICA NO-LINEAL

La regresión mínimo-cuadrática puede plantearse de forma que la función de ajuste se
busca no sea una función lineal. El planteamiento general sería similar, aunque
obviamente habría que minimizar el cuadrado de los residuos entre los datos originales
y los valores teóricos obtenibles a través de la función no-lineal considerada.
Regresión parabólica. Desarrollaremos someramente la regresión Y/X y debe quedar
claro que la regresión X/Y resultaría análoga.
Supongamos para simplificar que los datos no están agrupados por frecuencias.
En tal caso, obtener la función parabólica y* = a0+a1x+a2 x2 se llevará a cabo
determinado los valores de los tres parámetros a0,a1,a2 que minimicen :
y (a0,a1,a2)=S (yi- (a0+a1x+a2 x2)) 2
Igualando a cero las tres derivadas parciales se obtendrá las ecuaciones normales, que
convenientemente manipuladas acaban siendo:

Sistema de ecuaciones del que se pueden despejar los valores de los coeficientes de
regresión.

HOJA 8
 4.3
4.3 APLICACIONES
APLICACIONES
Debido a que en la práctica de ingeniería se favorece el involucramiento con la solución
de problemas, un aspecto importante radica en cómo manejar datos experimentales
que se presentan en forma discreta y con la necesidad de estimar un valor desconocido
en algún punto de una función.
La interpolación es un proceso que consiste en aproximar una función a partir de un
conjunto de puntos de datos discretos, y buscando que esa función aproximada pase
por todos los puntos de datos dados, lo cual posteriormente permite determinar el
valor, o los valores de interés.

Mapeo de una fotografía

Cuando se toma una fotografía con una cámara digital, el producto es una malla n*m
con valores de color por cada píxel. Se podría pensar en la fotografía como una función
continua. En una fotografía del espacio, los colores representan elementos químicos, y
si en caso, se desconoce el valor de un color, la interpolación ubica la posición con
respecto al color.
Esta aplicación busca localizar un determinado color en la fotografía identificando la
posición y característica del píxel. En el ejemplo, lo datos provienen de la posición del
color pixel y de la cual se busca la posición que se encuentra con respecto a un formato
estandarizado de medidas. Así que, dada una función continua en un intervalo cerrado,
se puede aproximar mediante un polinomio en cada punto del intervalo.

HOJA 9
 Estimación de dosis de medicina

En la medicina, se generan fármacos para medicamentos. Se puede monitorear la

respuesta de un paciente a diferentes dosis de un medicamento. Sin embargo, solo se
puede predecir lo que sucederá en forma casi inmediata, con una dosis que no se ha
probado explícitamente.
La extrapolación numérica supone el curso de acontecimientos que ocurrirán, lo cual
puede soportar la definición de dosis que se utilizará para una población.

Pago (o ingreso) periódico desconocido

En aplicaciones prácticas, la interpolación lineal se puede utilizar para determinar

cálculos como los pagos de tasas de interés a medio mes. Debido a que muchas tasas de
interés se determinan en uno o dos meses, estos valores son conocidos. Mediante la
interpolación, un analista financiero puede estimar la tasa para un período que se
encuentra dentro de ese rango.
Para obtener estimaciones precisas de tasas de intereses o de crecimiento, se puede
aplicar la interpolación, como un método para estimar valores intermedios
desconocidos.

Plazo Tasa Intereses Total de intereses

mensuales pagados
15 6.50% $1742.00 $113625
años

30 6.85% $1311.00 $271390

años

HOJA 10
 Interpolación climática

La primera ley de Tobler (1970) establece: Todos los lugares están relacionados, pero
lugares cercanos están más relacionadas que lugares distantes.
La interpolación polinómica es empleada por cartógrafos para la creación de mapas de
isolíneas, esto se refiere a que se tienen mediciones obtenidas de estaciones
meteorológicas que se emplean para estimar patrones del clima. La idea es que, a partir
de datos en puntos particulares, sea posible estimar el clima para todas las ubicaciones
dentro de una región, y no sólo para aquellos puntos. En general, a mayor número de
puntos de muestreo, mayor será la precisión en la superficie interpolada, como es más
probable que incluya ubicaciones cuyos valores son importantes para definir la
superficie (por ejemplo, los picos y valles de la zona) la definición de la localización.

Pruebas de ensayo mecánico

Una prueba de laboratorio consiste en aplicar sobre una probeta normalizada un

esfuerzo axial de tracción (alargamiento) hasta producir una ruptura. Un objetivo de la
prueba, es medir la resistencia del material. Para ello, se obtienen datos de la tensión
que provoca una deformación en periodos de tiempo. La interpolación permite, a partir
de coordenadas discretas esfuerzo- deformación (𝑥𝑖 , 𝑦𝑖 ), obtener valores intermedios
para obtener lecturas concretas en distintos tiempo.

HOJA 11
 En una práctica realizada en el laboratorio sobre trituración de minerales;
empleando como material de estudio la galena, se obtuvieron los siguientes
datos correspondientes al análisis granulométrico para dos casos específicos,
uno la trituradora de mandíbula y el otro el cortador rifles, mediante el método
de mínimos cuadrados determine la ecuación linealizada y obtenga el valor P80
Y F80.

ASTM NO PESO %PESO %PESO %PESO Ln (X) Ln F(X)

MALLA AC. AC.
RETENIDO PASANTE
2000 10 150.4 75.2 75.2 24.8 7.6009 3.2108
850 20 34.6 17.3 92.5 7.5 6.7452 2.0149
500 35 5.7 2.85 92.35 4.65 6.2146 1.5369
300 50 2.8 1.4 96.75 3.25 5.7038 1.1787
210 70 0.1 0.05 96.8 3.2 5.3471 1.1632
150 100 2.2 1.1 97.9 2.1 5.0106 0.7419
106 140 0.7 0.35 98.25 1.75 4.6634 0.5596
75 200 0.6 0.3 98.55 1.45 4.3175 0.3716
Bandeja 0.1 0.05 98.6 1.4 0.3365

∑ 197.2 98.6

X Y X2 XY
7.6909 3.2108 57.7737 24.4049
6.7452 2.0149 45.4977 13.5909
6.2146 1.5369 38.6213 9.5512
5.7038 1.1787 32.5333 6.7231
5.3471 1.1632 28.5915 6.2197
5.0106 0.7419 25.1061 3.7174
4.6634 0.5596 21.7473 2.6096
4.3175 0.3716 18.6408 1.6043

45.6031 10.7776 268.5117 68.4211

HOJA 12