Escolar Documentos
Profissional Documentos
Cultura Documentos
Disponemos de unos datos con los que hacemos un gráfico. Aún no siendo muchos datos
Excel es capaz de realizar el gráfico de forma suavizada. ¿Cómo ha sido capaz Excel de
inventarse los datos que faltan?. Ha sido algo increíble, Excel traza una curva con pocos
datos y esa curva pasa exactamente por esos puntos, pero el resto de puntos se los inventa
de una forma bastante adecuada, ¿cómo lo hace?. La respuesta está en la palabra:
INTERPOLACIÓN.
Existen diferentes métodos para interpolar. Podemos ver lo que dice la Wikipedia para
este tema. La interpolación más sencilla es la interpolación lineal.
Interpolación lineal
La interpolación lineal parte de dos puntos y pretende establecer la línea recta que pasa
por ambos puntos. De esta forma podremos determinar los puntos intermedios entre
ambos puntos como los puntos que pertenecen a esa recta.
y=a+bx
siendo
Si únicamente disponemos de dos puntos (dos parejas de datos (x,y)) podemos calcular
la recta de regresión y habremos obtenido una recta que pasa exactamente por esos dos
puntos. Esa recta es la misma que hubiéramos obtenido si buscamos la recta de
interpolación. Por tanto, en el caso de una recta, es lo mismo interpolar que ajustar por
mínimos cuadrados cuando únicamente disponemos de dos puntos. La recta pasa justo
por esos dos puntos y la correlación es perfecta, siendo R2 igual a 1.
Exponencial
Lineal
Logarítmica
Polinómica
Potencial
Media móvil
Elegiremos, para este caso, la lineal y al final de la ventana marcaremos las opciones:
Al tratarse únicamente de dos puntos en la nube de datos la recta pasa exactamente por
ellos y el ajuste es perfecto (R2=1).
a es la constante =INTERSECCION.EJE(conocido_y;conocido_x)
b es la pendiente =PENDIENTE(conocido_y;conocido_x)
Aunque estamos hablando de interpolación se ha de considerar que no estamos aplicando los clásicos métodos de interpolación.
Lo que hacemos es efectuar un ajuste por el método de los mínimos cuadrados a una nube de datos que únicamente tiene dos
puntos, por lo que necesariamente la recta de regresión que obtenemos pasa por esos dos puntos. Siendo la correlación perfecta
podemos inferir que la recta de regresión coincide con la recta que obtendríamos mediante los métodos de interpolación lineal.
Interpolación Parabólica
Una parábola es un polinomio de grado 2, cuya ecuación es:
y=a+bx+cx2
En la Hoja2 de nuestro fichero podemos ver un caso en el que nos dan 3 puntos. Nuestra
nube de puntos es pequeña y lo que pretendemos es encontrar la parábola que pasa justo
por esos tres puntos. Si lo conseguimos habremos obtenido una interpolación parabólica.
Pulsando con el botón derecho del ratón sobre el gráfico (justo sobre la curva) obtenemos
el menú contextual y elegimos Agregar línea de tendencia.
Observar que aunque aumentemos el grado del polinomio (lo que aquí Excel llama
'Ordenación') no por ello mejora el valor de R2 ya que lo máximo que puede valer es 1.
La sorpresa es que al trazar Excel la parábola (línea negra) no coincide con la curva (línea
azul), y ambas curvas pasan por los tres puntos. La respuesta es que existen muchas
formas de interpolar y por lo que vemos Excel en la curva azul ha elegido otro método
muy diferente del que nosotros estamos buscando. Nosotros queríamos una parábola y
usando este sistema hemos obtenido la parábola, que es un polinomio de grado 2.
y=a+bx+cx2
en nuestro caso es: y=1+0,5x-2x2
Polinomio grado 3
En la Hoja3 de nuestro fichero pretendemos obtener el polinomio de interpolación que
pasa por 4 parejas de datos.
La curva que obtenemos es la siguiente.
Polinomio grado 4
En la Hoja4 disponemos de 5 parejas de datos, con lo que podemos obtener un polinomio
de grado 4.
Aquí también R2=1 ya que el polinomio pasa por todos los puntos.
Interpolación: determinación de la curva
En la Hoja5 vamos a estudiar un caso real. Nos proporcionan datos para construir dos
curvas.
Por cada curva son cinco parejas de datos, por lo que el polinomio al que queremos llegar
es de grado 4. Siempre el grado del polinomio es uno menos que el número de parejas de
datos. Esto se debe a que para determinar un polinomio de grado 4 necesitamos
determinar 5 parámetros:
y=a+bx+cx2+dx3+ex4
y=a0+a1x+a2x2+a3x3+a4x4
Esta expresión se puede escribir de forma matricial y así es válida no solo para polinomios
de grado 4 sino para polinomios de cualquier grado.
y=AX
Siendo A un vector fila con todos los parámetros del polinomio:
a0, a1, a2, a3, a4, ......, an.
Excel dispone de una función matricial que calcula todos los parámetros del vector A. La
función que emplearemos es la siguiente:
{=+ESTIMACION.LINEAL(y;x^{1;2;3;4})}
Hemos añadido las llaves {} para indicar que es una función matricial, pero no debemos
escribir nosotros esas llaves, ya que es Excel el que las pone al validar con CONTROL +
MAYÚSCULAS + ENTER.
Creamos una tabla para la Curva 1. En la zona amarilla escribimos nuestra función
matricial.
=+ESTIMACION.LINEAL(Curva1;X^{1;2;3;4})
En las celdas amarillas de esta segunda tabla escribimos la siguiente fórmula matricial:
=+ESTIMACION.LINEAL(Curva2;X^{1;2;3;4})
Los valores interpolados son los dados por la siguiente tabla. Establecemos el valor de x
(color verde) y luego con SUMAPRODUCTO calculamos el valor y interpolado para
cada curva.
Lo que estamos haciendo es una regresión múltiple donde las variables que usamos las
hemos transformado para que sean los diferentes valores de la variable x elevados al grado
necesario.
Práctica
Usando este método puede intentar obtener el polinomio de grado 4 que interpola los
datos de la Hoja4. Puede comprobar si lo ha realizado correctamente ya que en el gráfico
se ve la ecuación del polinomio a la que ha de llegar.
y=1+0,5x-2x2+0,3x3+0,2x4
Para facilitar el cálculo hemos dejado la tabla preparada con sus nombres de rango
creados.
Falta introducir la fórmula matricial ESTIMACION.LINEAL que ha de introducirse en
las celdas amarillas del rango E5:I5.
∑𝐲 ∑ 𝒙𝒚
𝐚= 𝒃=∑
𝐧 𝒙𝟐
Año X
1 -5
2 -3
3 -1
4 1
5 3
6 5
XY
Volumen
Año XY X X2 XY
actividad
(unidades)
1 2000 -10000 -5 25 -10000
2 2400 -7200 -3 9 -7200
3 2850 -2850 -1 1 -2850
4 2980 2980 1 1 2980
5 3400 10200 3 9 10200
6 3860 19300 5 25 19300
17490 12430 70 12430
17490 12430
a= = 2915 b= = 177.57
6 70
Y = 2915 + 177.57X
Con el fin de pronosticar las unidades a vender para el año 7, este último
número se reemplaza en la ecuación, resultando:
Y(7) = 2915 + 177.57 (7) = 4158 unidades
Año Venta en
Periodo unidades –
Producto 01
1 2007 50000
2 2008 50500
3 2009 52300
4 2010 53000
5 2011 53700
a b x
y= a+bx
51900 990 6
Y(6)2012 57840