G. Barbaro interpolazione1
INTERPOLAZIONE
MOD.10 CAP.1
G. Barbaro interpolazione1
In Statistica e in genere nelle scienze sperimentali, si studiano o si osservano “relazioni” fra grandezze
G. Barbaro interpolazione1
Per esempio si può pensare allo studio della relazione fra reddito e risparmio di una popolazione oppure alla relazione tra altezza e peso dei militari, ecc.
G. Barbaro interpolazione1
Di solito, i punti osservati si dispongono su un diagramma chiamato diagramma a dispersione:
0
200
400
600
800
1000
1200
0 500 1000 1500 2000 2500 3000 3500
REDDITO
RIS
PA
RM
IO
G. Barbaro interpolazione1
Partendo da queste coppie di dati (x, y), si vuole determinare la funzione
y = f(x)
che descrive il fenomeno
G. Barbaro interpolazione1
Definizione:
per interpolazione si intende la ricerca di una funzione matematica che
approssima l’andamento di un insieme di punti.
G. Barbaro interpolazione1
Per trovare la funzione si può procedere in due modi:
1)determinare la funzione che assuma esattamente i punti (x, y) osservati (interpolazione per punti noti, o interpolazione matematica);
2) determinare la funzione che si accosti il più possibile ai punti (x, y) osservati (interpolazione fra punti noti, o interpolazione statistica).
G. Barbaro interpolazione1
Interpolazione MATEMATICACalcola una funzione che passa PER tutti i punti
Interpolazione STATISTICACalcola una funzione che passa FRA i punti
TIPI DI INTERPOLAZIONE
G. Barbaro interpolazione1
A CHE COSA SERVE ? inserimento di uno o più dati in una serie
che presenta dei vuoti (INTERPOLAZIONE in senso stretto).
ESTRAPOLAZIONE (valutazione di valori esterni, vicini alla serie dei dati).
PEREQUAZIONE (livellazione o “regolazione” dei dati di una serie non regolare attraverso la “sostituzione” al posto dei dati rilevati, di dati ottenuti dalla funzione matematica trovata).
G. Barbaro interpolazione1
INTERPOLAZIONE MATEMATICA SI UTILIZZA QUANDO LA FUNZIONE Y=f(X) DEVE PASSARE
PER TUTTI I PUNTI OSSERVATI.
La scelta della funzione interpolante dipende dai casi, ma la funzione più usuale è quella espressa da un polinomio di grado pari a superiore a n-1 se i punti sono n:
y= a0 + a1x + a2x2 +...+ an-1 xn-1
in cui, le “a” sono i parametri e sono in numero uguale ai punti attraverso i quali bisognerà interpolare.
Per esempio, se i punti fossero 3, la funzione sarebbe: y=a0+a1x+a2x2
G. Barbaro interpolazione1
ESEMPIO
Esempio: Un insegnante deve trasporre delle valutazioni degli scritti
dell’esame di stato da punteggio grezzo, in formato percentuale, a punteggio finale, in 15esimi; vuole mantenere le seguenti corrispondenze:punteggio grezzo (x) punteggio finale (y) 0% 4 50% 10 100% 15
Si tratta di determinare l’equazione di una funzione di secondo grado y=a0+a1x+a2x2 in quanto i punti da interpolare sono 3: A(0;4), B(0,5;10), C(1;15).
G. Barbaro interpolazione1
Si costruisce un sistema imponendo le condizioni di passaggio della funzione per i 3 punti:
passaggio per A:4=a0
passaggio per B:10=a0 + 0,5²a2 + 0,5a1
passaggio per C:15= a0 + 1²a2 + 1a1
Il sistema, risolto, da la seguente funzione: y=-2x²+13x+4
G. Barbaro interpolazione1
Il polinomio interpolatorele formule di Lagrange e di Newton
Supponiamo di avere n punti sul piano cartesiano, (x1, y1), (x2, y2), ..., (xn, yn).Come si può fare per scrivere una funzione polinomiale y = P(x) che passi per tutti i punti dati?
G. Barbaro interpolazione1
G. Barbaro interpolazione1
La formula generale di Lagrange, scritta per esteso, è la seguente:
Equazione della curva polinomiale di grado (n-1), passante per i punti (x1, y1), (x2, y2), ..., (xn, yn)
G. Barbaro interpolazione1
INTERPOLAZIONE STATISTICA
Mentre nella interpolazione matematica la funzione interpolante deve passare per tutti i punti sperimentali, nell’interpolazione statistica la funzione passa attraverso i punti osservati.
G. Barbaro interpolazione1
0
1
2
3
4
5
6
0 1 2 3 4 5 6
X
Y
L’interpolazione statistica viene utilizzata quando il numero di punti sperimentali è elevato
G. Barbaro interpolazione1
E’ necessario che la funzione interpolante passi il più vicino possibile ai valori interpolati.
Ci sono vari metodi per attuare ciò, ma il più usato è quello dei minimi quadrati
G. Barbaro interpolazione1
Questo metodo consiste nel determinare i parametri della funzione interpolante prescelta in modo che sia minima la somma dei quadrati degli scostamenti dei punti dalla funzione
La condizione di accostamento è dunque la seguente:
x i
y i
ŷ
minimaˆ1
2
n
iii yy
G. Barbaro interpolazione1
La funzione teorica può assumere differenti aspetti; alcuni dei più usati sono:
RETTA
PARABOLA
FUNZIONE ESPONENZIALE
IPERBOLE EQUILATERA
G. Barbaro interpolazione1
CASO DELLA RETTAŶ = bx + a i parametri da determinare sono quindi a e b
minima,1
2
n
iii abxybaf
Questa è una funzione a due variabili di cui occorre trovare il minimo
012'
02'
iia
iiib
yabxf
xyabxf
ii
iiii
ynaxb
yxxaxb 2
Si procede con la soluzione del sistema che pone le derivate parziali prime uguali a zero per la ricerca di eventuali punti critici:
G. Barbaro interpolazione1
2)(2
)( 22
2
ix
ixn
iy
ix
iyixn
b
xxn
xyxxya
ii
iiiii
Utilizzando il metodo di Cramer si giunge alle soluzioni del sistema
G. Barbaro interpolazione1
E’ evidente che è difficile memorizzare le precedenti soluzioni.
Esistono allora due procedimenti che è possibile seguire:
1° procedimento
Si calcola il fattore b utilizzando la formula
2)(2ix
ixn
iy
ix
iy
ixn
b
Mentre il fattore a si può ricavare dalla seconda equazione del sistema
xbya xy Sono le medie delle X e delle Y
G. Barbaro interpolazione1
ESEMPIO X Y X Y x2
1 12 12 1
2 13,5 27 4
3 14,8 44,4 9
4 16,5 66 16
5 18,2 91 25
TOT. 15 75 240,4 55
38,10354,115
155
753
5
15
54,115555
75154,24052
XbYa
YX
b
G. Barbaro interpolazione1
2° Procedimento
XbYa
Xix
YiyX
ix
x
yxb
i
ii
22 )(
)()(
)'(
''
Con questo procedimento si procede al calcolo delle medie dei valori sperimentali di X e Y e successivamente si calcolano gli scarti dalla media
G. Barbaro interpolazione1
ESEMPIO
X
Y
= 15/5 =3
= 125/5 = 25
5235725
5710
752
,,
,)(
)()(
XbYa
Xix
YiyX
ix
b
X Y X' Y' X'Y' X'2
1 10 -2 -15 30 4
2 17 -1 -8 8 1
3 26 0 1 0 0
4 32 1 7 7 1
5 40 2 15 30 4
tot 15 125 0 0 75 10
G. Barbaro interpolazione1
PERTANTO LA RETTA INTERPOLATRICE HA EQUAZIONE
Y = 2,5+ 7,5 X
0
5
10
15
20
25
30
35
40
45
0 1 2 3 4 5 6
G. Barbaro interpolazione1
INDICI DI ACCOSTAMENTO
Per valutare la bontà dell’accostamento tra i dati sperimentali e la funzione ottenuta con i minimi quadrati si utilizzano alcuni indici
Indice lineare:
Indice quadratico
niyniy
iy
I
iy
yiy
I
ˆ
2)ˆ(
2
ˆ
ˆ
1
I valori degli indici devono essere molto piccoli inferiori a 0.1
G. Barbaro interpolazione1
cbxaxy 2
La condizione di accostamento è la seguente:Si tratta dunque di calcolare il minimo di una funzione a tre variabili [f(a,b,c)].Si procede con la soluzione del sistema che pone le derivate parziali prime uguali a zero per la ricerca del punto critico (minimo relativo, in questo caso):
minima,,1
22
n
iiii ycbxaxcbaf
012'
02'
02'
2
2
22
iiic
iiiib
iiiia
ycbxaxf
xycbxaxf
xycbxaxf
CASO DELLA PARABOLA
G. Barbaro interpolazione1
iii
iiiii
iiiii
yncxbxa
yxxcxbxa
yxxcxbxa
2
23
2234
G. Barbaro interpolazione1
Esempio:
Calcolare e rappresentare graficamente la parabola interpolante a minimi quadrati per i seguenti punti:
x 1 2 4 6 8 12
y 9 5 4 5 6 10
Svolgimento:Conviene sviluppare i calcoli per le varie sommatorie in tabella (facilmente adattabile ad un foglio elettronico) come segue:
G. Barbaro interpolazione1
39633265
23333265529.2
097.2265529.2401.26
cba
cba
cba
Si imposta e si risolve il seguente sistema
ottenendo la seguente funzione
y = 0,1448x² - 1,6363x + 9,1052
x y x2 x3 x4 xy x2y y teorico
1 9 1 1 1 9 9 7,61
2 5 4 8 16 10 20 6,41
4 4 16 64 256 16 64 4,88
6 5 36 216 1296 30 180 4,5
8 6 64 512 4096 48 384 5,28
12 10 144 1728 20736 120 1440 10,3233 39 265 2529 26401 233 2097
G. Barbaro interpolazione1
y = 0,1448x2 - 1,6363x + 9,1052
0
2
4
6
8
10
12
0 2 4 6 8 10 12 14
y
y teorico
y teorico
G. Barbaro interpolazione1
REGRESSIONE E CORRELAZIONE
Lo studio della regressione e della correlazione si occupa della ricerca del legame tra due variabili statistiche.
Nel nostro corso si tratta della regressione e della correlazione lineare intendendo che viene ricercato tra le variabili statistiche un legame di tipo lineare
Lo studio può esser condotto in due modi: o attraverso la regressione o attraverso la correlazione.
G. Barbaro interpolazione1
Il termine regressione fu introdotto da Galton (1886) a seguito di uno studio sull’ereditarietà dei caratteri biologici di tipo quantitativo.
In particolare Galton prese in esame due variabili costituite rispettivamente dalle altezze dei padri e dalle altezze dei figli.
Egli rilevò che le altezze dei figli di padri molto alti erano mediamente inferiori
a quelle dei padri, o più precisamente, regredivano verso la media generale delle altezze della popolazione
Galton chiamò regressione tale tendenza
REGRESSIONE
G. Barbaro interpolazione1
In generale in statistica lo studio della regressione consiste nella determinazione di una funzione matematica che esprima la relazione tra due variabili
Siano X e Y due variabili statistiche misure di due caratteri quantitativi di popolazione statistica (ex: X = Reddito e Y = Risparmio)
La REGRESSIONE: studia come una variabile varia al variare dell’altra
determina una funzione matematica che esprima come una variabile varia al variare dell’altra
G. Barbaro interpolazione1
Si parla di regressione lineare se la funzione è di tipo lineare
Utilizzando il metodo dei minimi quadrati si determinano due rette di regressione:
La retta che esprime Y come funzione della X : y = b1 x + a1
E la retta che esprime la X come funzione della Y : x= b2 y + a2
b1, b2: coefficienti di regressione
G. Barbaro interpolazione1
2
1
11
)(
))((
xn
iix
n
iy
iyx
ix
b
xbya11
2
1
12
)(
))((
yn
iiy
n
iy
iyx
ix
b
ybxa22
FORMULE PER IL CALCOLO
G. Barbaro interpolazione1
b1 E b2 HANNO SEMPRE LO STESSO SEGNO
Se b1 e b2 sono positivi esiste un legame lineare diretto (all’aumentare di una variabile aumenta l’altra)
Se b1 e b2 sono negativi esiste un legame lineare inverso (all’aumentare di una variabile diminuisce l’altra)
2
11 bb Se
esiste un legame lineare perfetto (diretto o inverso in base al segno dei coefficienti) e le due rette sono coincidenti
Se b1 = b2 =0 esiste indipendenza lineare( le due rette sono parallele agli assi cartesiani)
G. Barbaro interpolazione1
CORRELAZIONE LINEARE
La CORRELAZIONE studia quanto le variabili sono collegate fra di loromisurando l’intensità del legame di interdipendenza fra le due variabili
Talvolta lo studio della correlazione precede quello della regressione in quanto una variabile viene confrontata con tante altre per vedere con quale risulti più connessa
G. Barbaro interpolazione1
Nello studio della correlazione si procede al calcolo di un indice:
r = Indice di Bravais-Pearson = 21 bb
dove b1 e b2 sono i coefficienti di regressione
Si usa il segno + se b1 e b2 sono positivi
Si usa il segno – se i coefficienti b1
e b2 sono negativi
IL coefficiente r ha un campo di variazione: 11 r
G. Barbaro interpolazione1
yx
xyr
Un altro modo per definire il coefficiente di Bravais –Pearson è quello di definirlo come rapporto tra la covarianza di x e y e il prodotto degli scarti quadratici medi di x e di y.
n
yyn
xx
n
yxxy
2)'(2)'(
''
Dove :
covarianza
s.q.m.
G. Barbaro interpolazione1
11 r
se r= -1 esiste una correlazione lineare perfetta negativa
Le due rette sono sovrapposte(‘l’angolo tra le rette è nullo)
se r= +1 esiste una correlazione lineare perfetta positiva
Le due rette sono sovrapposte(‘l’angolo tra le rette è nullo)
G. Barbaro interpolazione1
se r= 0 esiste INDIPENDENZA LINEARE fra le due variabili
01 r
10 r
Top Related