Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Interpolazione: tipi e metodi per approssimare la funzione di un insieme di dati, Appunti di Matematica

Cosa significa interpolazione in matematica e come si differenzia tra interpolazione matematica e statistica. Viene inoltre descritto come si determinano le diverse funzioni interpolanti come interpolazione lineare, parabolica, esponenziale e potenza. Il documento illustra anche i metodi per ottenere la funzione interpolante che passa più vicina possibile ai valori interpolati, come il metodo dei minimi quadrati.

Tipologia: Appunti

2020/2021

Caricato il 28/01/2021

annauni33
annauni33 🇮🇹

5

(2)

5 documenti

1 / 2

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
INTERPOLAZIONE
In generale, in matematica, per interpolazione si intende l’individuazione di una
funzione matematica che approssima l’andamento di un insieme finito di punti dati.
Dobbiamo fare una differenza tra interpolazione matematica e statistica.
Quella matematica ha l’obbiettivo di individuare una funzione che passa per tutti i
punti, quindi la funzione assume esattamente tutti i valori del diagramma a
dispersione.
L’interpolazione statistica invece individua la funzione che passa fra i punti del
diagramma a dispersione quindi non passa fra tutti i valori individuati. Viene
utilizzata l’interpolazione statistica quando il numero di punti è elevato e inoltre
permette di analizzare funzioni semplici e facili da interpretare come per esempio la
retta.
Per diagramma a dispersione, chiamato anche nube a dispersione, indichiamo
l’insieme di tutti i punti noti che vengono rappresentatati sul piano cartesiano grazie
ad esso possiamo individuare la funzione matematica (funzione interpolante) quella
che può rappresentare in modo migliore tutta la nube e quindi il fenomeno oggetto
di studio.
A seconda della distribuzione dei punti e dell’analisi del diagramma avremmo
diverse funzioni interpolanti:
-Interpolazione lineare: y mx q
-Interpolazione parabolica: y ax² bx c
-Interpolazione esponenziale: y = a b^x
-Interpolazione potenza: y a x^b.
Fasi dell’interpolazione:
-Scelta della funzione adatta per la rappresentazione della nube
-Determinare i parametri che compaiono nella funzione matematica
-Determinazione del grado di scostamento
La scelta della funzione interpolante dipende da uno studio delle eventuali relazioni
tra le variabili ed inoltre dipende anche dallo scopo per cui si fa la ricerca. Se lo
scopo è soltanto un elemento descrittivo per il fenomeno, si cercherà una funzione
semplice. Se invece lo scopo è investigativo, allora la funzione sarà più complessa.
L’interpolazione lineare è il metodo più semplice per definire un interpolante in
quanto ci possiamo riferire ad una retta di primo grado e in molte situazioni riece ad
approssimare sufficientemente bene i dati.
pf2

Anteprima parziale del testo

Scarica Interpolazione: tipi e metodi per approssimare la funzione di un insieme di dati e più Appunti in PDF di Matematica solo su Docsity!

INTERPOLAZIONE

In generale, in matematica, per interpolazione si intende l’individuazione di una funzione matematica che approssima l’andamento di un insieme finito di punti dati. Dobbiamo fare una differenza tra interpolazione matematica e statistica. Quella matematica ha l’obbiettivo di individuare una funzione che passa per tutti i punti, quindi la funzione assume esattamente tutti i valori del diagramma a dispersione. L’ interpolazione statistica invece individua la funzione che passa fra i punti del diagramma a dispersione quindi non passa fra tutti i valori individuati. Viene utilizzata l’interpolazione statistica quando il numero di punti è elevato e inoltre permette di analizzare funzioni semplici e facili da interpretare come per esempio la retta. Per diagramma a dispersione , chiamato anche nube a dispersione , indichiamo l’insieme di tutti i punti noti che vengono rappresentatati sul piano cartesiano grazie ad esso possiamo individuare la funzione matematica (funzione interpolante) quella che può rappresentare in modo migliore tutta la nube e quindi il fenomeno oggetto di studio. A seconda della distribuzione dei punti e dell’analisi del diagramma avremmo diverse funzioni interpolanti:

  • Interpolazione lineare : y  mx  q
  • Interpolazione parabolica : y  ax²  bx  c
  • Interpolazione esponenziale : y = a  b^x
  • Interpolazione potenza : y  a  x^b. Fasi dell’interpolazione :
  • Scelta della funzione adatta per la rappresentazione della nube
  • Determinare i parametri che compaiono nella funzione matematica
  • Determinazione del grado di scostamento La scelta della funzione interpolante dipende da uno studio delle eventuali relazioni tra le variabili ed inoltre dipende anche dallo scopo per cui si fa la ricerca. Se lo scopo è soltanto un elemento descrittivo per il fenomeno, si cercherà una funzione semplice. Se invece lo scopo è investigativo, allora la funzione sarà più complessa. L’ interpolazione lineare è il metodo più semplice per definire un interpolante in quanto ci possiamo riferire ad una retta di primo grado e in molte situazioni riece ad approssimare sufficientemente bene i dati.

Ci sono diversi metodi per far si che la funzione interpolante possa passare il più vicino possibile ai valori interpolati; il metodo più utilizzato è quello dei minimi quadrati. Attraverso questo criterio possiamo analizzare i valori ricavati tra due variabili statistiche (X, Y) collegate fra di loro, con lo scopo di trovare una funzione la cui condizione di accostamento è la minimizzazione della somma dei quadrati delle differenze fra ciascun valore effettivo e il corrispondente valore teorico. Quindi dobbiamo avvicinare i dati teorici a quelli effettivi. Dato che si possono commettere errori che possono essere positivi, negativi o nulli; dobbiamo minimizzarli non per la somma delle differenze perché ciò potrebbe portare gli errori positivi a compensare quelli negativi, ma per la somma dei quadrati delle differenze. Una volta calcolata la funzione interpolante dobbiamo valutare la bontà dell’approssimazione e quindi se è accettabile o no lo scostamento. Possiamo fare ciò attraverso gli indici di scostamento e il loro grado. Quest’ultimo è accettabile se gli indici di scostamento non superano il valore di 0,1 e in certi casi non devono superare il 0,01. Gli indici di scostamento possono essere di due tipi:

  • Indice lineare relativo
  • Indice quadratico relativo = è il rapporto fra l’errore standard e il valore medio e viene calcolato in base ai coefficienti della retta. Questo è quello preferibile perché si opera sui quadrati delle differenze. Un metodo alternativo per determinare la retta di interpolazione statistica è quello del baricentro dove la retta ha equazione: Se i dati rilevati riguardano una serie storica cioè una serie di valori ottenuti da rilevazioni eseguite in tempi successivi, la retta di interpolazione può descrivere il comportamento tendenziale o trend della variabile Y per valori di X che vanno oltre quelli rilevati. _ _ y – y = m (x – x)