1.

GENERALITĂŢI DESPRE INTERPOLĂRI

METODE NUMERICE ÎN INGINERIE

INTERPOLĂRI, EXTRAPOLĂRI

2. INTERPOLĂRI

3. EXTRAPOLĂRI

MNI
BIBLIOGRAFIE 1
 BIBLIOGRAFIE

[PAU15] T. Păunescu. Metode numerice în ingineria fabricatiei. Ed. Univ. Transilvania Bv. 2015.
[MOR04] C. Morariu, T.Păunescu. Informatică aplicată în inginerie. Mathcad 2001. Ed. Univ. Bv. 2004.
[POS94] M. Postolache. Metode Numerice. Ed. Sirius, Bucureşti, 1994.
[BEU92] T.Beu. Analiză numerică în Pascal. Ed. Micro inf. Cluj-Napoca. 1992.
[SAL72] M.G.Salvadori, M.L.Baron. Metode numerice în tehnică. Edit. Tehnică, Bucureşti, 1972.
[LAR89] D.Larionescu. Metode numerice.Ed. Tehnică, Bucureşti, 1989.
[DOD76] Gh.Dodescu, M.Toma. Metode de calcul numeric. Ed. did. şi pedag. Bucureşti, 1976.
[MEM80 ] ***, Mică enciclopedie matematică, traducere din limba germană. Edit. Tehnică, Bucureşti, 1980.
[DOR76] W.S.Dorn, D.D.Mc.Cracken. Metode numerice cu programe in Fortran IV. Ed.Tehhnica. Buc. 76.

[HAU53] A.S.Hauseholder. Principles of Numerical Analysis. Mc Graw-Hill, New Zork, 1953.

[CON80] S.D.Conte- Elementary Numerical Analysis - An Algorithmic Approach, McGraw-Hill 3rd, 1980.
[PHI96] G. M. M. Phillips, P.J. Taylor. Theory and Applications of Numerical Analysis 2nd ed, Elsevier, 1996

[COL03] G.W.Collins. Fundamental Numerical Methods and Data Analysis, 2003.

[ HNM08] Numerical Methods for the STEM Undergraduate- http://numericalmethods.eng.usf.edu/index.html

2
 1. GENERALITĂŢI DESPRE INTERPOLĂRI

Terminologie (http://dexonline.ro/definitie/interpolare, http://dexonline.ro/definitie/extrapolare):

INTERPOLÁ, interpolez, vb. I. Tranz. 1. A introduce, a intercala într-un text cuvinte sau fraze care nu aparțin
originalului, pentru a-l explica, a-l completa etc. 2. (Mat.) A intercala într-un șir de valori cunoscute una sau
mai multe mărimi determinate sau estimate. – Din fr. interpoler, lat. interpolare.
Sursa: DEX '98 (1998)

INTERPOLÁ vb. tr. 1. a insera cuvinte, fraze care nu aparțin textului respectiv, în textul unui manuscris. 2.
(mat.) a intercala într-un șir de valori cunoscute una sau mai multe valori determinate prin calcul. ◊ a
determina valoarea unei funcții într-un punct al unui interval, cunoscând valoarea ei în extremitățile
intervalului. (< fr. interpoler, lat. interpolare)
Sursa: MDN (2000) |

EXTRAPOLÁRE, extrapolări, s. f. 1. (Mat.) Metodă de determinare aproximativă a unei funcții continue

pentru valori situate în afara unui interval de valori cunoscute; extrapolație. 2. (Fil.) Extindere ipotetică a unei
noțiuni, legi, teorii etc. de la un domeniu la altul; trecere de la o idee la alta, mai complexă, cu o sferă mai
largă etc.
Sursa: DEX '98 (1998) | |
Prin aproximarea unei funcţii y=f(x), se înţelege înlocuirea acesteia cu o altă funcţie mai avantajoasă F(x).
Operaţia este efectuată atunci când:
-f(x) este greu calculabilă (de exemplu prin derivare sau integrare);
- când funcţia F(x) are o expresie mai simplă decât f(x) fiind convenabilă calculului numeric;
- când f(x) este obţinută grafic sau tabelar din experimentări şi este necesară forma analitică a acesteia.

La baza aproximării funcţiilor stau principiile:

- interpolării;
- celor mai mici pătrate (minipătrat Gauss);
- maximelor minime (minimax Cebîşev).

Numeroase probleme specifice ingineriei moderne îşi găsesc rezolvarea în urma analizei şi prelucrării
numerice a datelor experimentale. În general, aceste valori se prezintă sub forma unor tabele de
corespondenţă între variabile independente şi o variabilă dependentă de acestea. Spre exemplu, în cazul
bidimensional, dacă notăm cu x variabila independentă şi cu y variabila dependentă, interesează o relaţie
de dependenţă exprimată sub forma y=f(x). Cele n valori determinate experimental sunt uzual prezentate
tabelar:
Valorile:
− x = x1 ,x2 ,...,xn se numesc puncte de sprijin (noduri);
− y = y1 , y2 ,..., yn se numesc valori de sprijin (valori nodale).
4
 INTERPOLARE, EXTRAPOLARE
Interpolarea constă în găsirea unei funcţii, F(x), care să
permită, pentru valori oarecare a lui x, situate în
intervalul [x1,xn], estimarea valorilor funcţiei f(x). O
condiţie necesară pentru determinarea funcţiei de
interpolare, F(x), este coincidenţa cu funcţia f(x) în
valorile nodale (F(x) trece prin puncte).
Interpolarea se recomandă a fi utilizată când:
− valorile experimentale sunt relativ precise,
neafectate de erori semnificative;
− numărul de valori experimentale este relativ mic,
nerespectarea acestei condiţii, conduce la obţinerea unor
relaţii complexe, greu de utilizat;
− funcţia f(x) este cunoscută, dar expresia ei este
complicată şi/sau foarte greu de evaluat şi manipulat.
Prin extrapolare se înţelege operaţia matematică ce
constă în găsirea unei funcţii, F(x), care să permită
estimarea valorilor funcţiei f(x), pentru valori oarecare a
lui x, situate în afara intervalului în care sunt determinate
punctele nodale, (x < x1 )U(xn < x).
interpolare extrapolare
Fig. 1
REGRESIE
Regresia reprezintă operaţia matematică prin care se
determină valorile parametrilor unei funcţii trasate printre
punctele experimentale, din condiţia minimizării distanţei
dintre funcţia f(x) şi modelul F(x) adoptat (1).
(1) (2)
În majoritatea cazurilor, în care apelăm la regresie nu se
cunoaşte expresia lui f(x). În aceste situaţii se utilizează o
expresie, mai puţin riguroasă (2).
Relaţia 2 poartă numele de principiul Gauss-Legendre, sau
metoda celor mai mici pătrate.
Regresia se recomandă a fi utilizată în condiţiile în care:
− valorile experimentale sunt afectate de erori
semnificative;
− numărul de valori experimentale este relativ mare, dacă
s-ar utiliza interpolarea s-ar obţine relaţii complexe, greu de
utilizat;
− funcţia f(x) este cunoscută, dar expresia ei este
complicată şi/sau foarte greu de evaluat şi manipulat (se
aplică relația 1).
Fig. 2
5
 CRITERII DE APROXIMARE A FUNCŢIILOR [LAR89]

Fie M = { f f : a, b → R} un spaţiu vectorial şi fie o mulţime de funcţii 0 ( x),1 ( x),...,k ( x) care aparţin de
M, liniar independente (niciuna din funcții nu este combinația liniară a celorlalte).

Aproximarea unei funcţii f oarecare din M se poate face printr-o combinaţie liniară de m funcţii de tip φk,
adică f ( x)  Fm ( x) , unde Fm ( x) = c00 ( x) + c11 ( x) + ... + cmm ( x) , ci fiind numere reale.
Funcţia Fm(x) se numeşte polinom generalizat. Deseori funcţiile liniar independente sunt: 1, x, x2, ...., xm
când polinomul generalizat se reduce la un polinom algebric.
Alt set de funcţii liniar independente, des utilizate în teoria aproximării, sunt cele trigonometrice, mai exact
a0
polinomul trigonometric: Fm ( x) = + a1 cos x + b1 sin x + ... + am cos mx + bm sin mx
2

Criteriul de aproximare prin interpolare (CI)

m
În spaţiul M se defineşte distanţa dintre două funcţii f(x) și g(x) ca: d ( f , g ) =  f ( xi ) − g ( xi ) utilizată ca şi
i =0
criteriu de aproximare prin interpolare.

Dacă funcţia f(x) este dată tabelar sistemul de ecuaţii impune coincidenţa dintre funcţia f(x) şi g(x) în
punctele xi (nodurile de interpolare)

6
 INTERPOLAREA POLINOMIALĂ

Dacă se lucrează cu un polinom algebric de interpolare de grad n, condiţia ca distanţa dintre f(x) şi
polinomul F(x) să fie minimă impune sistemul de ecuaţii F(xi)=f(xi), i=0,1,...,n (coincidența funcțiilor în n de
puncte).

În consecinţă coeficienţii polinomului de interpolare Fn ( x) = c0 + c1 x + c2 x + ...cn x

2 n
se calculează rezolvând
un sistem de n+1 ecuaţii cu n+1 necunoscute c0, c1, ..., cn:

c0 + c1 x0 + c2 x02 + ... + cn x0n = f ( x0 )

 (3)
c0 + c1 x1 + c2 x1 + ... + cn x1 = f ( x1 )
2 n

 →   c = f → c =  −1  f
......................................................
c + c x + c x 2 + ... + c x n = f ( x )
 0 1 n 2 n n n n
Determinatul matricei Δ este

1 x0 x02 ... x0n c0   f ( x0 )  tip Vandermonde şi este diferit

    de zero dacă nodurile de
1 x1 x12 ... x1n c f ( x ) (4)
= (c=   , f = 
1 1 )
. . . . .    interpolare sunt distincte. În
   
1 xn xn2 ... xnn  n
c  f ( xn 
) aceste condiţii rezultă o
soluţie unică.

Interpolarea face o legătura între gradul polinomului de aproximare şi numărul de noduri, deci dacă
nr. de noduri este mare și gradul polinomului de interpolare este mare. S-a observat că mărind gradul
polinomului de interpolare eroarea nu se micşorează întotdeauna, uneori creşte foarte mult pe unele
7
porţiuni ale intervalului de interpolare (vezi exemplele din slideul următor).
 Exemplul 1 Exemplul 2

În exemplele de mai sus s-au determinat polinoamele de interpolare pentru datele unui experiment care măsoară temperaturi într-un interval de
timp. În prima variantă se fac 6 măsurători iar în a doua 11. Funcția interp_polinom(x,y) generează determinantul Vandermonde și calculează
coeficienții polinomului de interpolare. În primul caz rezultă un polinom de grad 5 iar în al doilea unul de grad 10. Se observă din reprezentările
grafice că cele două polinoame trec prin noduri și că eroarea la capătul inferior al intervalului este mult mai mare în al doilea caz comparativ cu
primul.
O soluţie pentru depăşirea acestei situaţii este de a renunţa la interpolarea globală a funcţiei şi de a se trece
la interpolarea pe porţiuni (interpolare spline). Termenul de funcţii spline a fost introdus în 1946 de I.J.
Schoenberg pentru a defini o funcţie formată din polinoame pe subintervale adiacente şi care se racordează
în noduri împreună cu un anumit număr de derivate (vezi slide 15).
Cele mai utilizate funcţii spline sunt cele de gradul 3 (interpolare cubică spline).

Criteriul de aproximare cu abatere medie pătratică minimă

Metoda celor mai mici pătrate (MCMMP) a lui Gauss (vezi relaţiile 1 şi 2 ) este frecvent aplicată în prelucrarea
datelor experimentale, şi se utilizează când există îndoieli asupra exactităţii nodurilor. Deseori se întâmplă ca
polinomul de aproximare dorit să aibă un grad mic dar numărul de date experimentale să fie mare (vezi fig.2 ).
Deoarece criteriul de interpolare face o legătura între gradul polinomului de aproximare şi numărul de valori xi
(vezi sistemul de la slide-ul 6), se recomandă ca în aceste cazuri să se utilizeze MCMMP, care are avantajul
că nu impune o asemenea condiţie.
Relaţia 1 are semnificaţia: aria porţiunii haşurate din figura de mai jos să fie minimă.

(1)

Se aplică când se cunoaște f(x) și se dorește obținerea

Fig. 5 [LAR89]
unei funcții de aproximare F(x) mai simplă, când nu se
cunoaște f(x) se utilizează relația mai puțin riguroasă 2

(2) 9
Criteriul de aproximare în sensul Cebâşev (CC)

Presupunând că spaţiul metric M este C0 [a,b] (f, g funcţii continue definite pe interval) distanţa dintre două
funcţii este definită ca:
d ( f , g ) = f ( x) − g ( x) (5)
Dacă înlocuim funcţia g(x) cu polinomul de aproximare Fm(x), m≤n calculul coeficienţilor polinomului se face
din condiţia ca abaterea să fie minimă:
 min i max = min( max f ( xi ) − Fm ( xi ) ) (6)
0i  n

Din punct de vedere geometric criteriul impune ca graficul polinomului de aproximare să nu depăşească o
bandă centrată pe graficul f(x) de lăţime 2ε, unde ε este abaterea minimax.

10
Fig. 6 [LAR89]
 Concluzii privitoare la criteriile
interpolarii (CI), celor mai mici patrate (MCMMP), Cebisev (CC)

➢ CI este cel mai simplu însă deseori precizia este slabă.

➢ MCMMP este preferabil în problemele tehnice, în special dacă se

urmăreşte nu atât ordinul de mărime a erorii în fiecare punct, ci media erorilor

să fie cât mai mică.

➢ CC conduce în general la rezultatele cele mai precise, dar folosirea lui este

dificilă. Se foloseşte în rezolvarea problemelor care impun controlul erorii în

fiecare punct.

11
 2. INTERPOLĂRI
2.1. INTERPOLAREA LINIARĂ

Interpolarea liniară reprezintă cea mai

simplă formă de interpolare care
unește printr-un segment de
dreaptă punctele de sprijin
adiacente.

Interpolarea liniară poate genera erori

mari în cazul unor funcții cu variații
rapide.
Etapele de calcul sunt:
- Se determină două puncte de sprijin consecutive, xi și xi+1, care conțin în intervalul
pe care îl delimitează, punctul, xc: xc ∈ [xi , xi+1 ] în care dorim să calculăm valoarea
de interpolare.

- Se determină ecuația dreptei ce trece prin cele două puncte Pi și Pi+1:

- Rezultă valoarea de interpolare, calculată cu relația:

13
 INTERPOLAREA LINIARĂ ÎN MAHCAD 3.0

În Mathcad 3.0. valorile de interpolare liniară se determină cu funcția linterp.

Sintaxa funcției linterp(Vx, Vy, x):

- Vx, Vy – reprezintă doi vectori coloană, Vx cu elemente reale, Vy cu elemente reale

sau complexe, cu aceleași dimensiuni (n linii × 1 coloană). Vectorii Vx, Vy conțin
valorile absciselor și respectiv a ordonatelor, pentru n puncte. Valorile din vectorul Vx
trebuie să fie ordonate crescător.

- x – reprezintă valoarea abscisei unui punct, a cărui ordonată urmează a fi

determinată prin interpolare liniară.

- Valoarea returnată: un număr real care reprezintă valoarea calculată prin interpolare
liniară.
14
Exemplul 3

Datele unui experiment sunt

cuprinse în matricea date. Se
observă că Vx nu este ordonat
crescător, în consecință s-a utilizat
funcția csort.

Dacă este necesară utilizarea

repetată a interpolării liniare o
soluție este utilizarea funcției
func_interp_lin(matXY,x).

Se observă că linterp suportă și

noduri în afara intervalului definit
de Vx, această extrapolare este
corectă doar în anumite condiții.

15
 2.2. INTERPOLAREA SPLINE

Interpolarea polinomială de tip spline se aplică pe diviziuni: a = x1 < x2 <…< xi <…< xn = b în intervalului [a,b].

O funcție spline polinomială F(x) de gradul p cu nodurile în punctele xi, i ∈1,n , are următoarele proprietăți:
a. Pe fiecare subinterval [xi ,xi+1 ], F(x) este un polinom de gradul p;
b. F(x) și primele sale (p-1) derivate sunt continue pe [a,b].

Deoarece funcția spline F(x) are primele (p-1) derivate continue pe [a,b], derivata de ordinal p fiind discontinuă
în nodurile xi ale diviziunii, aceasta este o funcție netedă pe porțiuni. Gradul de netezime este dat de ordinul p.

Principiul de realizare al interpolării polinomiale de tip spline este prezentat în figura de mai jos.

[MOR04] 16
 Exemplul numeric 3 [ HNM08 ]

Viteza unui obiect masurată la diferite intervale de timp este:

Pentru interpolarea spline se adopta cinci polinoame de grad 2

(5 este numărul de intervale):

Deci trebuie determinati 15 coeficienti (ai, bi, ci i=1-5).

17
 Fiecare polinom trece prin cele doua puncte Din condiţiile de continuitate ale
extreme ale intervalului asociat: derivatelor de ordin 1 rezultă:

Avem un sistem de 14 ecuaţii cu 15 necunoscute. Pentru rezolvarea

lui se presupune că primul polinom este liniar nu pătratic, deci a1=0
(condiţie de incepere liniară).

Rezultă 10 ecuaţii liniare din care se pot determina

10 necunoscute, mai rămân 5 18
 2.2.1. INTERPOLAREA CUBICĂ SPLINE ÎN MATHCAD

INTERPOLAREA CUBICĂ SPLINE BIDIMENSIONALĂ ÎN MATHCAD

Mult mai frecvent decât polinoame de grad doi se utilizează pentru interpolări spline
polinoamele de grad trei:
2
𝐹 𝑥 𝑖 = 𝑦𝑖 + 𝑏𝑖 𝑥 − 𝑥𝑖 + 𝑐𝑖 𝑥 − 𝑥𝑖 + 𝑑𝑖 𝑥 − 𝑥𝑖 3 , 𝑝𝑒𝑛𝑡𝑟𝑢 𝑥𝑖 ≤ 𝑥 ≤ 𝑥𝑖+1

Necunoscutele pentru fiecare porțiune de curbă sunt bi, ci și di.

Dacă se face un raționament similar celui pentru polinomul spline de interpolare de grad doi, la
care se mai adaugă condițiile de continuitate ale curbelor pentru derivate de ordin doi, rezultă
că numărul de necunoscute este mai mare cu 2 decât numărul ecuațiilor. Pentru rezolvarea
problemei mai sunt necesare încă două ecuații. Uzual se utilizează următoarele artificii
matematice prin introducerea a două condiții suplimentare:
- C1. 𝐹1,, 𝑥1 = 𝐹𝑛−1
,,
𝑥𝑛 = 0 care conduc la funcții spline cubice naturale.
- C2. Alegerea a două polinoame de grad trei C1(x) și Cn(x) care să treacă prin primele patru
puncte, respectiv prin ultimele patru puncte.
- C3. Alegerea a două polinoame de grad doi C1(x) și Cn(x) care să treacă prin primele trei
puncte, respectiv prin ultimele trei puncte.
În Mathcad există trei funcții predefinite pentru interpolarea cubică spline:

- lspline(Vx,Vy) (l de la liniar);

- pspline(Vx,Vy) (p de la parabolic);

- cspline(Vx,Vy) (c de la cubic).

Funcțiile au condițiile de terminare enumerate mai sus (C1, respectiv C3 și C2).

Cele două argumente Vx și Vy sunt doi vectori cu elemente reale care conțin abscisele respectiv
ordonatele punctelor. Vx trebuie să fie ordonat crescător.

Cele trei funcții returnează un vector care conține coeficienții polinoamelor. Aceștia sunt valorificați de
funcția interp:
y(x)=interp(Vs, Vx, Vy, x)
unde Vs este vectorul returnat de una din funcțiile lspline, pspline sau cspline.

lspline(Vx,Vy)
rezultat
1. pspline(Vx,Vy) 2. interp(Vr,Vx,Vy,x)
cspline(Vx,Vy)
20
Exemplul 4

Matricea dat conține abscisele și

ordonatele punctelor. Deoarece
abscisele nu sunt ordonate
crescător a fost folosită funcția
csort.

Pentru comparație au fost aplicate

cele trei funcții lspline, pspline și
cspline pe aceleași date.

După cum se observă din graficele

celor trei interpolări apar diferențe
la capele deoarece cele trei funcții
utilizează condiții suplimentare de
terminare diferite.

21
 (S) INTERPOLAREA SPLINE TRIDIMENSIONALĂ [MOR04]

Cele trei funcții detaliate mai sus pot fi utilizate și în cazul interpolării tridimensionale lspline(Mxy,Mz), pspline(Mxy,Mz),
cspline(Mxy,Mz), unde Mxy reprezintă un tablou cu elemente reale și cu dimensiunile n linii × 2 coloane, ce conține valorile
absciselor și respectiv a ordonatelor, pentru n puncte din planul XY. Cele n puncte se aleg astfel încât să fie plasate pe diagonala
unui domeniu dreptunghiular.

Domeniul dreptunghiular ales pentru interpolarea de tip spline este

împărțit într-o rețea de n×n puncte. Pentru a se manipula mai puține
date, în planul XY, este suficient să se indice valorile coordonatelor
punctelor situate pe diagonala principală a rețelei. Mxy este un tablou cu
elemente reale având n linii şi două coloane, pe fiecare coloană valorile
fiind crescătoare. Dacă se cunoaşte Mxy programul calculează
coordonatele tuturor celorlalte puncte.

Mz reprezintă un tablou, de dimensiuni n linii n coloane cu valorile

coordonatei z ale celor n×n puncte conținute în domeniul plan delimitat.

Cele trei funcții returnează câte un vector ce conține coeficienții suprafeței spline de interpolare.

Condiții de aplicare a funcțiilor de interpolare tridimensională:

- Valorile din tabloul de date Mxy trebuie să fie ordonate crescător;
- Valorile conținute în tabloul de date Mz trebuie să respecte condiția: elementul Mzi,j reprezintă coordonata z a punctului de
abscisă Mxyi,0 și de ordonată Mxyj,1.

Similar cazurilor bidimensionale suprafețele spline de interpolare au condiții de terminare.

22
Evaluarea coordonatei z a unui punct, de abscisă x și ordonată y, se realizează prin utilizarea funcției interp:
𝑥
𝑦 = 𝑖𝑛𝑡𝑒𝑟𝑝 𝑉𝑟 , 𝑀𝑥𝑦 , 𝑀𝑦 , 𝑦

unde prin Vr s-a notat vectorul pe care-l returnează funcția lspline. Valorile argumentelor x și y trebuie să respecte relaţiile:
𝑀𝑥𝑦0,0 ≤ 𝑥 ≤ 𝑀𝑥𝑦𝑛−1,0 𝑀𝑥𝑦0,1 ≤ 𝑦 ≤ 𝑀𝑥𝑦𝑛−1,1

Exemplu
Exemplul 5

Matricea Mxy conține valorile x și y pe diagonala unui

domeniu dreptunghiular. În matricea pătrată Mz 4x4
sunt valorile coordonatei z ale celor 4×4 puncte
conținute în domeniul plan delimitat

23
 3. EXTRAPOLĂRI
Regresia și interpolarea determină valorile parametrilor unei funcții care de exemplu
aproximează datele experimentale și permit estimarea valorilor funcției f(x), pentru valori
oarecare ale lui x, situate în interiorul intervalului în care sunt determinate punctele nodale.
Extrapolarea procesează date prin prelungirea acestora în afara domeniului de definiție.

Sintaxa funcției predict(Vy,m,p):

- Vy reprezintă un vector cu elemente reale, cu n linii ce conține valorile ordonatelor,
pentru n puncte având abscisele situate la intervale egale;
- m, p – două numere întregi, m > 0, p > 0, m este numărul de puncte terminale pe baza
cărora se face extrapolarea, p este numărul de puncte extrapolate.
- Funcția predict returnează un vector cu p elemente care conține valorile ordonatelor
celor p puncte.
Pentru aplicarea corectă a extrapolării trebuie respectate condițiile:

- 0<m<numărul de elemente ale vectorului Vy (length(v)), în practică m trebuie să fie

mult mai mic decât length(v). Rezultate aberante se obțin și dacă numărul de elemente
ale vectorului Vy este relativ mic. În exemplul 6 deși au fost luate în considerare doar 4
puncte terminale se obține o predicție eronată. Acest fenomen nu apare dacă sunt
procesate un număr mare de noduri (vezi exemplul 7).

- Se pot obține puncte de predicție la capătul inferior al intervalului dacă se inversează

ordinea vectorului Vy (funcția reverse (Vy)).

- Funcția predict duce la rezultate mulțumitoare dacă coordonatele vecine nu au variații

foarte mari, pot fi oscilatorii, nu neapărat periodice.

25
 Exemplul 6
În exemplul de mai sus se observă că abscisele sunt la intervale
egale. Cele două extrapolări sunt aberante din cauza numărului
mic de valori procesate.
Exemplul 7
În exemplu sunt generate 100 de puncte cu funcția gen care are ca argumente:
func numele unei funcții monovariabile în jurul căreia se vor afla punctele;
domeniul xmin…xmax; n numărul de puncte; e este variația aleatoare uniform
distribuită față de valorile y nominale. În acest caz numărul de puncte fiind mare și
dese funcția predict realizează extrapolări corecte.
26