Interpolazione

Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima
l’andamento di un insieme di punti.

Tipi di interpolazione
Interpolazione MATEMATICA Interpolazione STATISTICA
Calcola una funzione che passa PER tutti i punti Calcola una funzione che passa FRA i punti

Caratteristiche e confronto dei due tipi di interpolazione

Interpolazione Matematica
Caratteristiche: Sebbene più precisa, in quanto tocca tutti i punti della distribuzione, potrebbe
risultare complessa se non impossibile da calcolare 1; inoltre la funzione calcolata potrebbe risultare
molto complessa e di difficile utilizzo.
Applicazioni: l’interpolazione matematica viene utilizzata, in geometria analitica, per il calcolo di
una retta passante per due punti (Interpolazione lineare) o di una parabola passante per tre punti
non allineati (interpolazione parabolica o di 2° grado).
Come procedere:
1. Si individua innanzitutto la funzione polinomiale razionale intera
y  an x n  an1 x n1  ...  a1 x  a0
adatta ad interpolare il numero dei punti, sapendo che
grado della funzione =(numero dei punti – 1)
Una retta (di 1° grado) passa per 2 punti, una parabola (di 2° grado) passa per 3 punti, ecc…
2. Si applicano le condizioni di passaggio della funzione generica per tutti i punti e si risolve il
sistema lineare
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
Determinare la funzione interpolante y=f(x).
Svolgimento.
Si tratta di determinare l’equazione di una funzione di secondo grado y=ax²+bx+c in quanto i
punti da interpolare sono 3: A(0;4), B(0,5;10), C(1;15).
Si costruisce un sistema imponendo le condizioni di passaggio della funzione per i 3 punti:
passaggio per A: 4=c
passaggio per B: 10=0,5²a+0,5b+c
passaggio per C: 15=100²a+100b+c
Il sistema, risolto, da la seguente funzione: y=-2x²+13x+4
Nel caso in cui il sistema risulti composto da un elevato numero di equazioni è possibile risolverlo
avvalendosi di software adeguati: Derive (risolve sistemi lineari), Excel (impostando un foglio per la
soluzione di sistemi utilizzando delle formule matriciali).

1
Nel caso in cui vi siano tanti punti alcuni dei quali magari con stessa ascissa ed ordinata diversa. Si ricorda che, per definizione, una funzione y=f(x) è una
relazione fra due variabili che associa ad ogni valore della x uno ed un solo valore della y.
Pagina 1 di 7
Interpolazione Statistica
Caratteristiche: Sebbene possa sembrare imprecisa ed approssimativa rispetto a quella
Matematica permette di utilizzare funzioni piuttosto semplici (es. retta) e soprattutto facili da
interpretare!
L’int. Statistica è molto utile nei seguenti campi:
 Serie storiche; risolve problemi di
 Perequazione
 Estrapolazione
 Studio del trend
 Statistica bivariata: permette di analizzare un legame fra due variabili statistiche2
L’interpolazione statistica consiste nel trovare una funzione che passa fra un insieme di punti in
modo che “sia il più possibile vicina” ai vari punti.
Verranno prese in esame interpolazioni statistiche con le seguenti funzioni:
 Interpolazione lineare: y  mx  q
 Interpolazione parabolica: y  ax 2  bx  c
Interpolazione esponenziale: y  a  b
x

Interpolazione potenza: y  a  x
b


Metodo dei minimi quadrati

y-y
i
^i=sco sta ment o Questo metodo consiste nel determinare i parametri della funzione
yi va lore ve ro
y=f(x) interpolante prescelta in modo che sia minima la somma dei quadrati
y^i va lore teo rico
degli scostamenti dei punti dalla funzione3.
La condizione di accostamento è dunque la seguente:
n

  yˆ  yi   minima
2
i (La ŷ ,y teorica,) indica il valore calcolato sulla funzione
xi i 1
interpolante)
Caso lineare: y  mx  q
La condizione di accostamento è la seguente:
n
f m, q    mxi  q  yi   minima
2

i 1
Si tratta dunque di calcolare il minimo di una funzione a due variabili [f(m,q)].
Si procede con la soluzione del sistema che pone le derivate parziali prime uguali a zero per la
ricerca di eventuali punti critici:

 f ' m  2 mxi  q  yi   xi  0
 m xi  q  xi   xi yi
 2

 
 f ' q  2 mxi  q  yi   1  0
 m xi  nq   yi

Si ottiene un sistema di primo grado che ammette una soluzione: la funzione ha un punto critico.
Per verificare se si tratta di un minimo si procede allo studio dell’hessiano:
 x2  x 
2  i  i
H  i
2 xi
2

   
2

 4n xi  2 xi   4n 
2 x 2 2
    4n 2 M x 2  M x 2  4n 2 2 x 
2 xi 2n  n  n  
   

L’hessiano è positivo; così come f ' ' mm :dunque si tratta di un minimo relativo.
In pratica:Per calcolare la retta interpolante a minimi quadrati occorre innanzitutto calcolare le varie
sommatorie e risolvere il sistema di primo grado. In alternativa esistono delle formule che si basano
sugli scarti dalla media aritmetica e calcolano m e q nel seguente modo:

2
Una variabile statistica contiene un insieme di valori dedotti dalle misurazioni di un carattere quantitativo
3
Si sceglie di minimimizzare la somma dei quadrati in quanto la somma degli scostamenti semplici potrebbe essere piccola (prossima allo 0) pur in presenza
di grandi scostamenti: infatti scostamenti positivi andrebbero a compensarsi con scostamenti negativi. Per superare questo problema, dovuto ai segni degli
scostamenti, si sceglie di elevarli al quadrato in modo di avere solo scostamenti positivi!
Pagina 2 di 7
  x  
n

i  x yi  y
m i 1
; q  y  m x
 x 
n
2
i x
i 1

L’equazione della retta interpolante può essere scritta come:

y  y   mx  x
questo evidenza il passaggio della retta per il punto x; y  , detto baricentro della distribuzione.
Esempio:
Calcolare e rappresentare graficamente la retta interpolante a minimi quadrati i seguenti punti:
x 1 2 4 6 8 12
y 3 5 4 7 9 10

Svolgimento:
Conviene sviluppare i calcoli per le varie sommatorie in tabella (facilmente adattabile ad un foglio
elettronico) come segue:
primo metodo secondo metodo grafico
x y x² xy … (x-Mx) (y-My) (x-Mx)(y-My) (x-Mx)² … y teorico
1 3 1 3 -4,50 -3,33 15,00 20,25 3,42
2 5 4 10 -3,50 -1,33 4,67 12,25 4,07
4 4 16 16 -1,50 -2,33 3,50 2,25 5,36
6 7 36 42 0,50 0,67 0,33 0,25 6,66
8 9 64 72 2,50 2,67 6,67 6,25 7,95
12 10 144 120 6,50 3,67 23,83 42,25 10,54
somma 33 38 265 263 54,00 83,50
media 5,5 6,3

Primo metodo: imposto e risolvo il seguente sistema:

265m  33q  263

33m  6q  38
Secondo metodo: applicando le formule si ottiene:
54
m  0,65 ; q  6,3  0,65  5,5  2,78
83,5
L’equazione della retta interpolante è dunque y  0,65x  2,78
L’ultima colonna della tabella serve per calcolare alcuni punti della retta e poterne fare il grafico:

12

10

6 y
y teorico
4

0
0 2 4 6 8 10 12 14

Caso lineare particolare: yq

La condizione di accostamento è la seguente:
n
f q    q  yi   minima
2

i 1

Pagina 3 di 7
Si ottiene facilmente q
y i
y
n
Dalla formula si deduce un’importante proprietà della media aritmetica:
La media aritmetica dei valori osservati rende minima la somma dei quadrati degli scarti.
Per questo motivo si utilizza la media aritmetica per depurare errori di misurazione (dovuti al caso)
che si commettono misurando più volte la stessa grandezza.

Caso parabolico: y  ax 2  bx  c
La condizione di accostamento è la seguente:

 
n
f a, b, c    axi  bxi  c  yi
2
 minima
2

i 1
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):



 f ' a  2 axi 2  bxi  c  y i  xi 2  0  a  x i 4  b  x i 3  c  x i 2   x i 2 y i

2

 f 'b  2 axi  bxi  c  y i  xi  0  a  x i  b  x i  c  x i   x i y i
3 2



 f ' c  2 axi  bxi  c  y i  1  0
2
 
a  xi  b xi  nc   y i
2

Si ottiene dunque un sistema di primo grado (tre equazioni e tre incognite) che ammette una
soluzione.

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:
grafico
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 1.296 30 180 4,50
8 6 64 512 4.096 48 384 5,28
12 10 144 1.728 20.736 120 1.440 10,32
somma 33 39 265 2.529 26.401 233 2.097

Si imposta e si risolve il seguente sistema 4:

26.401a  2.529b  265c  2.097

2.529a  265b  33c  233
265a  33b  6c  39

ottenendo la seguente funzione y = 0,1448x² - 1,6363x + 9,1052

12

10 y = 0,1448x 2 - 1,6363x + 9,1052

4
y
4 y di
Per la 2soluzione di un sistema di questo tipo conviene usare Cramer e, comunque, avvalersi teorico
uno strumento informatico (foglio elettronico, Derive)
Pagina 4 di 7
y teorico
0
0 2 4 6 8 10 12 14
Caso esponenziale: y  a bx
In questo caso, anziché utilizzare la condizione di scostamento, è conveniente ricondurre
l’interpolazione al caso lineare. E’ sufficiente operare l’applicazione del logaritmo a tutta l’equazione
della funzione esponenziale e procedere con una sostituzione di variabili:
 
ln y  ln a  b x applicando le proprietà del logaritmo si ottiene:
ln y  ln a  x ln b procedendo con la sostituzione di variabile ln y  t
t  ln a  x ln b si ottiene una funzione lineare con variabili x,t.

Esempio:
Calcolare e rappresentare graficamente la funzione esponenziale interpolante a minimi quadrati per i
seguenti punti:
x 1 2 4 6 10 12
y 3 3 4 5 6 9
Svolgimento:
Conviene sviluppare i calcoli per le varie sommatorie in tabella (facilmente adattabile ad un foglio
elettronico) come segue:
grafico
x y t=lny x² xt y teorico
1 3 1,10 1 1,10 … 2,92
2 3 1,10 4 2,20 3,21
4 4 1,39 16 5,55 3,88
6 5 1,61 36 9,66 4,69
10 6 1,79 100 17,92 6,87
12 9 2,20 144 26,37 8,31
somma 35 9,18 301 62,78
Impostando e risolvendo il sistema si ottiene:
ln a = 0,9749; ln b = 0,0952
e dunque a  e 0,9749  2,651 ; b  e 0,0952  1,1
La funzione interpolante esponenziale ha equazione y  2,651  1,1x

10

4
y
2
y teorico

0
0 2 4 6 8 10 12 14

Caso potenza: y  a  xb
Anche in questo caso, anziché utilizzare la condizione di scostamento, è conveniente ricondurre
l’interpolazione al caso lineare. E’ sufficiente operare l’applicazione del logaritmo a tutta l’equazione
della funzione potenza e procedere con una sostituzione di variabili:
 
ln y  ln a  x b applicando le proprietà del logaritmo si ottiene:
ln y  ln a  b ln x procedendo con le sostituzioni di variabili ln y  t e ln x  s
t  ln a  bs si ottiene una funzione lineare con variabili s,t.

Esempio:
Calcolare e rappresentare graficamente la funzione potenza interpolante a minimi quadrati per i
seguenti punti:
x 1 2 4 6 10 12
y 3 3 4 5 6 8
Svolgimento:
Pagina 5 di 7
Conviene sviluppare i calcoli per le varie sommatorie in tabella (facilmente adattabile ad un foglio
elettronico) come segue:
grafico
x y s=lnx t=lny s² st y teorico
1 3 0,00 1,10 0,00 0,00 … 2,59
2 3 0,69 1,10 0,48 0,76 3,39
4 4 1,39 1,39 1,92 1,92 4,43
6 5 1,79 1,61 3,21 2,88 5,18
10 6 2,30 1,79 5,30 4,13 6,32
12 8 2,48 2,08 6,17 5,17 6,78
somma 8,66 9,06 17,09 14,86

Impostando e risolvendo il sistema si ottiene:

ln a = 0,9514; b = 0,3873
e dunque a  e 0,9514  2,590
La funzione interpolante potenza ha equazione y  0,3873  x 0,3873

10

4
y
2
y teorico

0
0 2 4 6 8 10 12 14

Valutazione bontà dell’interpolazione – Confronto fra diverse funzioni interpolanti

Per poter giudicare la qualità di un’interpolazione statistica, ovvero per capire QUANTO la funzione
interpolante si avvicina ai punti della dispersione, esistono degli indici di scostamento. Il più
importante è l’indice di scostamento quadratico che si calcola con la seguente formula:

 y  yˆ i 
2
i

n
I2 
 yˆ i
n
Un valore di I 2  0,1 indica un buon accostamento.
L’indice di scostamento, calcolato su più funzioni che interpolano gli stessi punti, permette di capire
quale delle stesse si adatta meglio: ovviamente quella con l’indice di scostamento inferiore!

Esempio:
Calcolare le interpolanti lineare e parabolica; valutare e confrontare le bontà delle interpolazioni.
valori teorici  y  ŷ 2
x y retta parabola retta parabola
1 7 4,68 6,35 5,36 0,43
2 5 5,01 5,56 0,00 0,31
4 4 5,67 4,66 2,80 0,43
6 5 6,33 4,67 1,77 0,11
8 6 6,99 5,59 0,98 0,16
12 10 8,31 10,18 2,86 0,03
somma 33 37 37 37 13,78 1,47

Pagina 6 di 7
a= 0,114 m= 0,329
b= -1,133 q= 4,355
c= 7,366
I2
retta 0,2457
parabola 0,0803

La parabola si adatta dunque meglio della retta (come si può osservare anche nel grafico
sottostante); inoltre, essendo l’indice di scostamento della parabola inferiore a 0,1 quella parabolica
è una buona interpolante a minimi quadrati.
12

10

2 y
parabolica
0 lineare
0 2 4 6 8 10 12 14

Pagina 7 di 7