SlideShare una empresa de Scribd logo
Interpolación lineal

La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos
los valores en los extremos.
Si se supone que las variaciones son proporcionales se utiliza la interpolación lineal.
Sean dos puntos (x1, y1) y (x3, y3), entonces la interpolación lineal consiste en hallar una
estimación del valor y 2 , para un valor x 2 tal que x1<x 2 <x3.




Teniendo en cuenta que las variaciones en una relación lineal son constantes entonces
podemos determinar por ejemplo las siguientes proporciones:

                                     y2 − y1 y3 − y2
                                            =
                                     x2 − x1 x3 − x2


De igual forma podemos determinar por ejemplo que:
               y2 − y1 y3 − y1                         x2 − x1 y2 − y1
                      =        o lo que es equivalente        =
               x2 − x1 x3 − x1                         x3 − x1 y3 − y1

Despejando y 2 obtenemos que:

                                            ( y3 − y1 )( x2 − x1 )
                                y2 = y1 +
                                                 ( x3 − x1 )



                  Algunas propiedades básicas de las proporciones son:

En toda Proporción se cumple que

I) El producto de Medios es igual al producto de Extremos.
II) Alternar Extremos:


III) Alternar Medios:


IV) Permutar:


V) Invertir:

VI) Componer respecto al Antecedente y Consecuente respectivamente:




VII) Descomponer respecto al Antecedente y Consecuente respectivamente:




VIII) Componer y descomponer a la vez:




Ejemplo de interpolación lineal (Ejercicio 2 práctico 2): Si queremos aproximadamente
determinar la mediana para el tamaño de las ordenes, a través de interpolación lineal
entonces podemos proceder de la siguiente manera:

        Tamaño de las órdenes durante el pasado año fiscal de la compañía Eliot

                Tamaño de..   N°        de Porcentaje      Porcentaje
                              ordenes      de ordenes      acumulado
                [ 0,10 )      950          23.3            23.3
                [ 10, 25)     940           23.1           46.4
                [ 25,50 )     110           2.7            49.1
[ 50,100 )      680             16.7            65.8
               [ 100, 250 )    260             6.4             72.2
               [ 250,500 )     480             11.8            84
               [ 500,1000 )    650             16              100

                              Fuente: Cátedra de Estadística

Observando la tabla de distribución de frecuencias vemos que el intervalo que acumula
el 50% de los datos es [ 50,100 ) , por lo tanto en él está contenida la mediana.
Ahora suponiendo que las frecuencias están distribuidas proporcionalmente en el
intervalo:

                                  50____________49,1
                                   Me___________50
                                   100__________65,8

podemos plantear por ejemplo la siguiente proporción:



                                 Me − 50   50 − 49,1
                                         =
                                 100 − 50 65,8 − 49,1

Despejando

                                     (100 − 50)(50 − 49,1)
                         Me = 50 +                         ; 52,99
                                         (65,8 − 49.1)

Nota: La interpolación se puede realizar tanto con las frecuencias acumuladas absolutas,
como con las relativas o relativas porcentuales.

Más contenido relacionado

La actualidad más candente

Derivadas
DerivadasDerivadas
Derivadas
ederth45
 
Mm 201 derivada_de_funciones_logaritmicas
Mm 201 derivada_de_funciones_logaritmicasMm 201 derivada_de_funciones_logaritmicas
Mm 201 derivada_de_funciones_logaritmicas
cruzcarlosmath
 
Clase del martes 8 de abril de 2014
Clase del martes 8 de abril de 2014Clase del martes 8 de abril de 2014
Clase del martes 8 de abril de 2014
Gonzalo Jiménez
 
Za areabajocurva m1152
Za areabajocurva m1152Za areabajocurva m1152
Za areabajocurva m1152
Juan Paez
 
deflexión
deflexióndeflexión
deflexión
Aníbal Jimenez
 
Za derivada sup_m1137
Za derivada sup_m1137Za derivada sup_m1137
Za derivada sup_m1137
Juan Paez
 
Agrupamiento Kmeans
Agrupamiento KmeansAgrupamiento Kmeans
Agrupamiento Kmeans
Omar Sanchez
 
Fuzzy c-means clustering
Fuzzy c-means clusteringFuzzy c-means clustering
Fuzzy c-means clustering
Omar Sanchez
 
Infinitésimos
InfinitésimosInfinitésimos
Infinitésimos
Isidro Chagas
 
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
Lorena Covarrubias
 
Derivada algebra y regla de la cadena
Derivada algebra y regla de la cadena Derivada algebra y regla de la cadena
Derivada algebra y regla de la cadena
Luis Alberto Hernández
 
Base ortogonal
Base ortogonalBase ortogonal
Base ortogonal
algebra
 
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
Lorena Covarrubias
 
Propiedades de Funciones - EMdH
Propiedades de Funciones - EMdHPropiedades de Funciones - EMdH
Propiedades de Funciones - EMdH
Adela M. Ramos
 
Mm 201 derivada_de_una_funcion_compuesta
Mm 201 derivada_de_una_funcion_compuestaMm 201 derivada_de_una_funcion_compuesta
Mm 201 derivada_de_una_funcion_compuesta
cruzcarlosmath
 
Ed Variacion De Parametros
Ed Variacion De ParametrosEd Variacion De Parametros
Ed Variacion De Parametros
eduardolomeli
 
TERCERA PRACTICA
TERCERA PRACTICATERCERA PRACTICA
TERCERA PRACTICA
kokame
 

La actualidad más candente (17)

Derivadas
DerivadasDerivadas
Derivadas
 
Mm 201 derivada_de_funciones_logaritmicas
Mm 201 derivada_de_funciones_logaritmicasMm 201 derivada_de_funciones_logaritmicas
Mm 201 derivada_de_funciones_logaritmicas
 
Clase del martes 8 de abril de 2014
Clase del martes 8 de abril de 2014Clase del martes 8 de abril de 2014
Clase del martes 8 de abril de 2014
 
Za areabajocurva m1152
Za areabajocurva m1152Za areabajocurva m1152
Za areabajocurva m1152
 
deflexión
deflexióndeflexión
deflexión
 
Za derivada sup_m1137
Za derivada sup_m1137Za derivada sup_m1137
Za derivada sup_m1137
 
Agrupamiento Kmeans
Agrupamiento KmeansAgrupamiento Kmeans
Agrupamiento Kmeans
 
Fuzzy c-means clustering
Fuzzy c-means clusteringFuzzy c-means clustering
Fuzzy c-means clustering
 
Infinitésimos
InfinitésimosInfinitésimos
Infinitésimos
 
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
 
Derivada algebra y regla de la cadena
Derivada algebra y regla de la cadena Derivada algebra y regla de la cadena
Derivada algebra y regla de la cadena
 
Base ortogonal
Base ortogonalBase ortogonal
Base ortogonal
 
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]Semana 2 mate2  del 30 de nov al 4 de diciembre [autoguardado]
Semana 2 mate2 del 30 de nov al 4 de diciembre [autoguardado]
 
Propiedades de Funciones - EMdH
Propiedades de Funciones - EMdHPropiedades de Funciones - EMdH
Propiedades de Funciones - EMdH
 
Mm 201 derivada_de_una_funcion_compuesta
Mm 201 derivada_de_una_funcion_compuestaMm 201 derivada_de_una_funcion_compuesta
Mm 201 derivada_de_una_funcion_compuesta
 
Ed Variacion De Parametros
Ed Variacion De ParametrosEd Variacion De Parametros
Ed Variacion De Parametros
 
TERCERA PRACTICA
TERCERA PRACTICATERCERA PRACTICA
TERCERA PRACTICA
 

Similar a 561

TEOREMA DEL VALOR MEDIO, con ejemplos claros
TEOREMA DEL VALOR MEDIO, con ejemplos clarosTEOREMA DEL VALOR MEDIO, con ejemplos claros
TEOREMA DEL VALOR MEDIO, con ejemplos claros
Manuel Alejandro Vivas Riverol
 
Medidas de posición
Medidas de posiciónMedidas de posición
Medidas de posición
Celia Pérez
 
Distribuciones continuas
Distribuciones continuasDistribuciones continuas
Distribuciones continuas
Juan de Jesus Sandoval
 
Brevísima Intruducción a las Sumas de Riemann
Brevísima Intruducción a las Sumas de RiemannBrevísima Intruducción a las Sumas de Riemann
Brevísima Intruducción a las Sumas de Riemann
Juliho Castillo
 
Clase9 Esperanza condicional y modelo de regresión
Clase9 Esperanza condicional y modelo de regresión Clase9 Esperanza condicional y modelo de regresión
Clase9 Esperanza condicional y modelo de regresión
Nerys Ramírez Mordán
 
resolucion regresion lineal
resolucion regresion linealresolucion regresion lineal
resolucion regresion lineal
guardiandelcaos
 
Clase2 El modelo de regresión simple
Clase2 El modelo de regresión simpleClase2 El modelo de regresión simple
Clase2 El modelo de regresión simple
Nerys Ramírez Mordán
 
Asignacion 1 (Programación Numérica)
Asignacion 1 (Programación Numérica)Asignacion 1 (Programación Numérica)
Asignacion 1 (Programación Numérica)
avbr_avbr
 
Asignacion 1 (Programacion Numerica/Analisis Numerico)
Asignacion 1 (Programacion Numerica/Analisis Numerico)Asignacion 1 (Programacion Numerica/Analisis Numerico)
Asignacion 1 (Programacion Numerica/Analisis Numerico)
avbr_avbr
 
Clase3 El modelo de regresión múltiple
Clase3 El modelo de regresión múltipleClase3 El modelo de regresión múltiple
Clase3 El modelo de regresión múltiple
Nerys Ramírez Mordán
 
Distribucion normal completo
Distribucion normal completoDistribucion normal completo
Distribucion normal completo
Jimmy Gilberto Davila Velez
 
Teoremas rolle,bolzano,
Teoremas rolle,bolzano,Teoremas rolle,bolzano,
Teoremas rolle,bolzano,
mercedespp
 
Interpolacion
InterpolacionInterpolacion
Interpolacion
Priscila Espinoza
 
Tema2
Tema2Tema2
7 distribucion normal_total
7 distribucion normal_total7 distribucion normal_total
7 distribucion normal_total
Agustín Isach
 
La normal
La normalLa normal
La normal
Raul Altamirano
 
Estadística y probabilidades cap i y ii
Estadística y probabilidades cap i y iiEstadística y probabilidades cap i y ii
Estadística y probabilidades cap i y ii
Fernanda Huaman Sobrado
 
Distribuciones continuas
Distribuciones continuasDistribuciones continuas
Distribuciones continuas
Jazmin Rivera Pantoja
 
La derivada, concepto y reglas
La derivada, concepto y  reglasLa derivada, concepto y  reglas
La derivada, concepto y reglas
marianperez97
 
Vectores1 trabajo con vectores utilizando coordenadas y componentes
Vectores1 trabajo con vectores utilizando coordenadas y componentesVectores1 trabajo con vectores utilizando coordenadas y componentes
Vectores1 trabajo con vectores utilizando coordenadas y componentes
Arturo Iglesias Castro
 

Similar a 561 (20)

TEOREMA DEL VALOR MEDIO, con ejemplos claros
TEOREMA DEL VALOR MEDIO, con ejemplos clarosTEOREMA DEL VALOR MEDIO, con ejemplos claros
TEOREMA DEL VALOR MEDIO, con ejemplos claros
 
Medidas de posición
Medidas de posiciónMedidas de posición
Medidas de posición
 
Distribuciones continuas
Distribuciones continuasDistribuciones continuas
Distribuciones continuas
 
Brevísima Intruducción a las Sumas de Riemann
Brevísima Intruducción a las Sumas de RiemannBrevísima Intruducción a las Sumas de Riemann
Brevísima Intruducción a las Sumas de Riemann
 
Clase9 Esperanza condicional y modelo de regresión
Clase9 Esperanza condicional y modelo de regresión Clase9 Esperanza condicional y modelo de regresión
Clase9 Esperanza condicional y modelo de regresión
 
resolucion regresion lineal
resolucion regresion linealresolucion regresion lineal
resolucion regresion lineal
 
Clase2 El modelo de regresión simple
Clase2 El modelo de regresión simpleClase2 El modelo de regresión simple
Clase2 El modelo de regresión simple
 
Asignacion 1 (Programación Numérica)
Asignacion 1 (Programación Numérica)Asignacion 1 (Programación Numérica)
Asignacion 1 (Programación Numérica)
 
Asignacion 1 (Programacion Numerica/Analisis Numerico)
Asignacion 1 (Programacion Numerica/Analisis Numerico)Asignacion 1 (Programacion Numerica/Analisis Numerico)
Asignacion 1 (Programacion Numerica/Analisis Numerico)
 
Clase3 El modelo de regresión múltiple
Clase3 El modelo de regresión múltipleClase3 El modelo de regresión múltiple
Clase3 El modelo de regresión múltiple
 
Distribucion normal completo
Distribucion normal completoDistribucion normal completo
Distribucion normal completo
 
Teoremas rolle,bolzano,
Teoremas rolle,bolzano,Teoremas rolle,bolzano,
Teoremas rolle,bolzano,
 
Interpolacion
InterpolacionInterpolacion
Interpolacion
 
Tema2
Tema2Tema2
Tema2
 
7 distribucion normal_total
7 distribucion normal_total7 distribucion normal_total
7 distribucion normal_total
 
La normal
La normalLa normal
La normal
 
Estadística y probabilidades cap i y ii
Estadística y probabilidades cap i y iiEstadística y probabilidades cap i y ii
Estadística y probabilidades cap i y ii
 
Distribuciones continuas
Distribuciones continuasDistribuciones continuas
Distribuciones continuas
 
La derivada, concepto y reglas
La derivada, concepto y  reglasLa derivada, concepto y  reglas
La derivada, concepto y reglas
 
Vectores1 trabajo con vectores utilizando coordenadas y componentes
Vectores1 trabajo con vectores utilizando coordenadas y componentesVectores1 trabajo con vectores utilizando coordenadas y componentes
Vectores1 trabajo con vectores utilizando coordenadas y componentes
 

561

  • 1. Interpolación lineal La interpolación consiste en hallar un dato dentro de un intervalo en el que conocemos los valores en los extremos. Si se supone que las variaciones son proporcionales se utiliza la interpolación lineal. Sean dos puntos (x1, y1) y (x3, y3), entonces la interpolación lineal consiste en hallar una estimación del valor y 2 , para un valor x 2 tal que x1<x 2 <x3. Teniendo en cuenta que las variaciones en una relación lineal son constantes entonces podemos determinar por ejemplo las siguientes proporciones: y2 − y1 y3 − y2 = x2 − x1 x3 − x2 De igual forma podemos determinar por ejemplo que: y2 − y1 y3 − y1 x2 − x1 y2 − y1 = o lo que es equivalente = x2 − x1 x3 − x1 x3 − x1 y3 − y1 Despejando y 2 obtenemos que: ( y3 − y1 )( x2 − x1 ) y2 = y1 + ( x3 − x1 ) Algunas propiedades básicas de las proporciones son: En toda Proporción se cumple que I) El producto de Medios es igual al producto de Extremos.
  • 2. II) Alternar Extremos: III) Alternar Medios: IV) Permutar: V) Invertir: VI) Componer respecto al Antecedente y Consecuente respectivamente: VII) Descomponer respecto al Antecedente y Consecuente respectivamente: VIII) Componer y descomponer a la vez: Ejemplo de interpolación lineal (Ejercicio 2 práctico 2): Si queremos aproximadamente determinar la mediana para el tamaño de las ordenes, a través de interpolación lineal entonces podemos proceder de la siguiente manera: Tamaño de las órdenes durante el pasado año fiscal de la compañía Eliot Tamaño de.. N° de Porcentaje Porcentaje ordenes de ordenes acumulado [ 0,10 ) 950 23.3 23.3 [ 10, 25) 940 23.1 46.4 [ 25,50 ) 110 2.7 49.1
  • 3. [ 50,100 ) 680 16.7 65.8 [ 100, 250 ) 260 6.4 72.2 [ 250,500 ) 480 11.8 84 [ 500,1000 ) 650 16 100 Fuente: Cátedra de Estadística Observando la tabla de distribución de frecuencias vemos que el intervalo que acumula el 50% de los datos es [ 50,100 ) , por lo tanto en él está contenida la mediana. Ahora suponiendo que las frecuencias están distribuidas proporcionalmente en el intervalo: 50____________49,1 Me___________50 100__________65,8 podemos plantear por ejemplo la siguiente proporción: Me − 50 50 − 49,1 = 100 − 50 65,8 − 49,1 Despejando (100 − 50)(50 − 49,1) Me = 50 + ; 52,99 (65,8 − 49.1) Nota: La interpolación se puede realizar tanto con las frecuencias acumuladas absolutas, como con las relativas o relativas porcentuales.