CE 324 Module 7-11 Recap

Module 7. Curve Fitting

Regression

Linear 𝒚 = 𝒂𝟎 + 𝒂𝟏 𝒙
𝒏 𝒏

𝒂𝟎 𝒏 + 𝒂𝟏 ∑ 𝒙𝒊 = ∑ 𝒚𝒊
𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏

𝒂𝟎 ∑ 𝒙𝒊 + 𝒂𝟏 ∑ 𝒙𝟐𝒊 = ∑ 𝒙𝒊 𝒚𝒊
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏

Example:

x y 𝒙𝟐 xy
0 16.58 0 0 A
1 17.01 1 17.01 B
2 23.5 4 47 C
3 26.5 9 79.5 D
4 31.34 16 125.36 E
5 33.34 25 166.7 F
6 37.17 36 223.02 M
21 185.440 91 658.590

𝒂𝟎 (𝟕) + 𝒂𝟏 (𝟐𝟏) = 𝟏𝟖𝟓. 𝟒𝟒𝟎

𝒂𝟎 (𝟐𝟏) + 𝒂𝟏 (𝟗𝟏) = 𝟔𝟓𝟖. 𝟓𝟗𝟎
𝒂𝟎 = 𝟏𝟓. 𝟓𝟑𝟒; 𝒂𝟏 = 𝟑. 𝟔𝟓𝟑
y=15.534+3.653x

when x= 24;y=103.206

Quadratic 𝒚 = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐
𝒏 𝒏 𝒏

𝒂𝟎 𝒏 + 𝒂𝟏 ∑ 𝒙𝒊 + 𝒂𝟐 ∑ 𝒙𝟐𝒊 = ∑ 𝒚𝒊
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏 𝒏

𝒂𝟎 ∑ 𝒙𝒊 + 𝒂𝟏 ∑ 𝒙𝟐𝒊 + 𝒂𝟐 ∑ 𝒙𝟑𝒊 = ∑ 𝒙𝒊 𝒚𝒊
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏 𝒏

𝒂𝟎 ∑ 𝒙𝟐𝒊 + 𝒂𝟏 ∑ 𝒙𝟑𝒊 + 𝒂𝟐 ∑ 𝒙𝟒𝒊 = ∑ 𝒙𝟐𝒊 𝒚𝒊

𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏

Example:
 x y 𝒙𝟐 𝒙𝟑 𝒙𝟒 𝒙𝒚 𝒙𝟐 𝒚
0 5.74 0 0 0 0 0
1 3.852 1 1 1 3.852 3.852
2 7.403 4 8 16 14.806 29.612
3 15.154 9 27 81 45.462 136.386
4 27.632 16 64 256 110.528 442.112
5 42.727 25 125 625 213.635 1068.175
15 102.508 55 225 979 388.283 1680.137

𝒂𝟎 𝟔 + 𝒂𝟏 𝟏𝟓 + 𝒂𝟐 𝟓𝟓 = 𝟏𝟎𝟐. 𝟓𝟎𝟖
𝒂𝟎 𝟏𝟓 + 𝒂𝟏 𝟓𝟓 + 𝒂𝟐 𝟐𝟐𝟓 = 𝟑𝟖𝟖. 𝟐𝟖𝟑
𝒂𝟎 𝟓𝟓 + 𝒂𝟏 𝟐𝟐𝟓 + 𝒂𝟐 𝟗𝟕𝟗 = 𝟏𝟔𝟖𝟎. 𝟏𝟑𝟕
𝒂𝟎 = 𝟓. 𝟒𝟎𝟔; 𝒂𝟏 = −𝟑. 𝟐𝟐𝟔; 𝒂𝟐 = 𝟐. 𝟏𝟓𝟒

𝒚 = 𝟓. 𝟒𝟎𝟔 − 𝟑. 𝟐𝟐𝟔𝒙 + 𝟐. 𝟏𝟓𝟒𝒙𝟐

Multivariable

𝒚 = 𝒂𝟎 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟐 𝒙𝟐
𝒏 𝒏 𝒏

𝒂𝟎 𝒏 + 𝒂𝟏 ∑ 𝒙𝟏𝒊 + 𝒂𝟐 ∑ 𝒙𝟐𝒊 = ∑ 𝒚𝒊
𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏 𝒏

𝒂𝟎 ∑ 𝒙𝟏𝒊 + 𝒂𝟏 ∑ 𝒙𝟐𝟏𝒊 + 𝒂𝟐 ∑ 𝒙𝟏𝒊 𝒙𝟐𝒊 = ∑ 𝒙𝟏𝒊 𝒚𝒊

𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏
𝒏 𝒏 𝒏 𝒏

𝒂𝟎 ∑ 𝒙𝟐𝒊 + 𝒂𝟏 ∑ 𝒙𝟏𝒊 𝒙𝟐𝒊 + 𝒂𝟐 ∑ 𝒙𝟐𝟐𝒊 = ∑ 𝒙𝟐𝒊 𝒚𝒊

𝒊=𝟏 𝒊=𝟏 𝒊=𝟏 𝒊=𝟏

Example:

x1 x2 y 𝒙𝟐𝟏 𝒙𝟐𝟐 x1x2 x1y x2y

1 4 88.818 1 16 4 88.818 355.272
2 3 91.798 4 9 6 183.596 275.394
3 5 131.709 9 25 15 395.127 658.545
4 1 103.144 16 1 4 412.576 103.144
5 2 130.691 25 4 10 653.455 261.382
6 4 165.388 36 16 24 992.328 661.552
21 19 711.548 91 71 63 2725.9 2315.289
Interpolation

Newton Divided-difference

Linear Interpolation:
𝒇𝟏 (𝒙) − 𝒇(𝒙𝟎 ) 𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 )
=
𝒙 − 𝒙𝟎 𝒙𝟏 − 𝒙𝟎
𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 )
𝒇𝟏 (𝒙) = 𝒇(𝒙𝟎 ) + (𝒙 − 𝒙𝟎 )
𝒙𝟏 − 𝒙𝟎
𝒇𝟏 (𝒙) = 𝒂𝟎 + 𝒂𝟏 𝒙
𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 ) 𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 )
𝒇𝟏 (𝒙) = [𝒇(𝒙𝟎 ) − 𝒙𝟎 ] + [ ]𝒙
𝒙𝟏 − 𝒙𝟎 𝒙𝟏 − 𝒙𝟎

x Y (f(x))
-5 23
2 11

𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 ) 𝟏𝟏 − 𝟐𝟑 −𝟏𝟐

𝒂𝟏 = [ ]=( )=
𝒙𝟏 − 𝒙𝟎 𝟐 − (−𝟓) 𝟕
𝟏𝟐 𝟏𝟎𝟏
𝒂𝟎 = 𝒇𝟏 (𝒙) − 𝒂𝟏 𝒙 = 𝟐𝟑 − (− ) (−𝟓) =
𝟕 𝟕
𝟏𝟎𝟏 𝟏𝟐
𝒇𝟏 (𝒙) = 𝒂𝟎 + 𝒂𝟏 𝒙 = − 𝒙
𝟕 𝟕

Quadratic Interpolation:

𝒇𝟐 (𝒙) = 𝒃𝟎 + 𝒃𝟏 (𝒙 − 𝒙𝟎 ) + 𝒃𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )

𝒇𝟐 (𝒙) = (𝒃𝟎 − 𝒃𝟏 𝒙𝟎 + 𝒃𝟐 𝒙𝟎 𝒙𝟏 ) + (𝒃𝟏 − 𝒃𝟐 𝒙𝟎 − 𝒃𝟐 𝒙𝟏 )𝒙 + 𝒃𝟐 𝒙𝟐

𝒃𝟎 = 𝒇(𝒙𝟎 )
𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 )
𝒃𝟏 = = 𝒇(𝒙𝟎 , 𝒙𝟏 )
𝒙𝟏 − 𝒙𝟎
𝒇(𝒙𝟐 ) − 𝒇(𝒙𝟏 )
𝒇(𝒙𝟏 , 𝒙𝟐 ) =
𝒙𝟐 − 𝒙𝟏
𝒇(𝒙𝟐 ) − 𝒇(𝒙𝟏 ) 𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 )
− 𝒇(𝒙𝟏 , 𝒙𝟐 ) − 𝒇(𝒙𝟎 , 𝒙𝟏 )
𝒙𝟐 − 𝒙𝟏 𝒙𝟏 − 𝒙𝟎
𝒃𝟐 = =
𝒙𝟐 − 𝒙𝟎 𝒙𝟐 − 𝒙𝟎
 𝒇(𝒙𝟏 ) − 𝒇(𝒙𝟎 ) 𝟏𝟗
𝒃𝟏 = =
𝒙𝟏 − 𝒙𝟎 𝟕
𝒇(𝒙𝟐 ) − 𝒇(𝒙𝟏 ) 𝟑
𝒇(𝒙𝟏 , 𝒙𝟐 ) = =−
𝒙𝟐 − 𝒙𝟏 𝟓
𝟑 𝟏𝟗
𝒇(𝒙𝟏 , 𝒙𝟐 ) − 𝒇(𝒙𝟎 , 𝒙𝟏 ) − 𝟓 − 𝟕
𝒃𝟐 = =
𝒙𝟐 − 𝒙𝟎 𝟏𝟐

x 𝚫𝒙
-2 A x0
5 B x1 7
10 C x2 5
y 𝚫𝒚
-10 D F(x0)
9 E F(x1) 19
6 F F(x2) -3

x y F(xa,xb) 𝐟(𝐱𝐚, 𝐱𝐛, 𝐱𝐜)

-
-2
10=b0
5 9 19/7=b1
10 6 -3/5 -29/105=b2

𝒃𝟎 = −𝟏𝟎
𝟗 − (−𝟏𝟎) 𝟏𝟗
𝒃𝟏 = =
𝟓 − (−𝟐) 𝟕
𝟔 − 𝟗 𝟗 − (−𝟏𝟎) 𝟑 𝟏𝟗
− − − 𝟕 𝟐𝟗
𝟏𝟎 − 𝟓 𝟓 − (−𝟐) 𝟓
𝒃𝟐 = = −
𝟏𝟎 − (−𝟐) 𝟏𝟎 − (−𝟐) 𝟏𝟎𝟓
𝟏𝟗 𝟐𝟗
𝒇𝟐 (𝒙) = −𝟏𝟎 + (𝒙 − (−𝟐)) + (− ) (𝒙 − (−𝟐))(𝒙 − 𝟓)
𝟕 𝟏𝟎𝟓
𝟑𝟖 𝟏𝟐𝟒 𝟐𝟗 𝟐
𝒇𝟐 (𝒙) = − + 𝒙− 𝒙
𝟐𝟏 𝟑𝟓 𝟏𝟎𝟓

General Polynomial Interpolation:

 𝒇𝒏 (𝒙) = 𝒃𝟎 + 𝒃𝟏 (𝒙 − 𝒙𝟎 ) + 𝒃𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) + ⋯ + 𝒃𝒏 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) ⋯ (𝒙 − 𝒙𝒏−𝒛 )
𝒇𝒏 (𝒙) = 𝒇(𝒙𝟎 ) + (𝒙 − 𝒙𝟎 )𝒇[𝒙𝟏 , 𝒙𝟎 ] + (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )𝒇[𝒙𝟐 , 𝒙𝟏 , 𝒙𝟎 ] + ⋯
+ (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) ⋯ (𝒙 − 𝒙𝒏−𝟏 )𝒇[𝒙𝒏 , 𝒙𝒏−𝟏 , ⋯ , 𝒙𝟐 , 𝒙𝟏 , 𝒙𝟎 ]

x y
-10 11
-5 -6 -17/5
0 7 13/5 3/5
4 2 -5/4 -77/180 -37/504

𝒇𝟑 (𝒙) = 𝒃𝟎 + 𝒃𝟏 (𝒙 − 𝒙𝟎 ) + 𝒃𝟐 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 ) + 𝒃𝟑 (𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 )

𝟏𝟕 𝟑 𝟑𝟕
𝒇𝟑 (𝒙) = 𝟏𝟏 + (− ) (𝒙 + 𝟏𝟎) + ( ) (𝒙 + 𝟏𝟎)(𝒙 + 𝟓) + (− ) (𝒙 + 𝟏𝟎)(𝒙 + 𝟓)(𝒙)
𝟓 𝟓 𝟓𝟎𝟒
𝟏𝟕 𝟏𝟕𝟎 𝟑 𝟐 𝟑𝟕
𝒇𝟑 (𝒙) = 𝟏𝟏 − 𝒙− + (𝒙 + 𝟏𝟓𝒙 + 𝟓𝟎) + (− ) (𝒙𝟑 + 𝟏𝟓𝒙𝟐 + 𝟓𝟎𝒙)
𝟓 𝟓 𝟓 𝟓𝟎𝟒
𝟏𝟕 𝟑 𝟑𝟕 𝟑 𝟏𝟖𝟓 𝟐 𝟏𝟖𝟓𝟎
𝒇𝟑 (𝒙) = 𝟏𝟏 − 𝒙 − 𝟑𝟒 + ( 𝒙𝟐 + 𝟗𝒙 + 𝟑𝟎) + (− 𝒙 − 𝒙 − 𝒙)
𝟓 𝟓 𝟓𝟎𝟒 𝟏𝟔𝟖 𝟓𝟎𝟒
𝟐𝟒𝟑𝟏 −𝟒𝟐𝟏 𝟐 𝟑𝟕 𝟑
𝒇𝟑 (𝒙) = 𝟕 + 𝒙+ 𝒙 − 𝒙
𝟏𝟐𝟔𝟎 𝟖𝟒𝟎 𝟓𝟎𝟒

Lagrange

➢ The 𝒏th order polynomial can be represented as

❑ 𝒇𝒏 (𝒙) = ∑𝒏𝒊=𝟎 𝑳𝒊 (𝒙)𝒇(𝒙𝒊 )

❑ 𝒇𝒏 (𝒙) = 𝑳𝟎 (𝒙)𝒇(𝒙𝟎 ) + 𝑳𝟏 (𝒙)𝒇(𝒙𝟏 ) + 𝑳𝟐 (𝒙)𝒇(𝒙𝟐 ) + ⋯ + 𝑳𝒏 (𝒙)𝒇(𝒙𝒏 )

➢ First-order version
𝒙−𝒙𝟏 𝒙−𝒙
❑ 𝒇𝟏 (𝒙) = 𝒙 −𝒙
𝒇(𝒙𝟎 ) + 𝒙 −𝒙𝟎 𝒇(𝒙𝟏 )
𝟎 𝟏 𝟏 𝟎

➢ Second-order version
(𝒙−𝒙𝟏 )(𝒙−𝒙𝟐 ) (𝒙−𝒙 )(𝒙−𝒙 ) (𝒙−𝒙 )(𝒙−𝒙 )
❑ 𝒇𝟐 (𝒙) = (𝒙 −𝒙 )(𝒙 −𝒙 )
𝒇(𝒙𝟎 ) + (𝒙 −𝒙𝟎)(𝒙 −𝒙𝟐 ) 𝒇(𝒙𝟏 ) + (𝒙 −𝒙𝟎)(𝒙 −𝒙𝟏 ) 𝒇(𝒙𝟐 )
𝟎 𝟏 𝟎 𝟐 𝟏 𝟎 𝟏 𝟐 𝟐 𝟎 𝟐 𝟏

x y
-2 -10
5 9
10 6
 (𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟐 ) (𝒙 − 𝟓)(𝒙 − 𝟏𝟎) 𝟏 𝟐
𝑳𝟎 = = = (𝒙 − 𝟏𝟓𝒙 + 𝟓𝟎)
(𝒙𝟎 − 𝒙𝟏 )(𝒙𝟎 − 𝒙𝟐 ) (−𝟐 − 𝟓)(−𝟐 − 𝟏𝟎) 𝟖𝟒
(𝒙 − 𝒙𝟎 )(𝒙 − 𝒙𝟐 ) (𝒙 + 𝟐)(𝒙 − 𝟏𝟎) 𝟏 𝟐
𝑳𝟏 = = =− (𝒙 − 𝟖𝒙 − 𝟐𝟎)
(𝒙𝟏 − 𝒙𝟎 )(𝒙𝟏 − 𝒙𝟐 ) (𝟓 + 𝟐)(𝟓 − 𝟏𝟎) 𝟑𝟓
(𝒙 − 𝒙𝟏 )(𝒙 − 𝒙𝟎 ) (𝒙 − 𝟓)(𝒙 + 𝟐) 𝟏 𝟐
𝑳𝟐 = = = (𝒙 − 𝟑𝒙 − 𝟏𝟎)
(𝒙𝟐 − 𝒙𝟏 )(𝒙𝟐 − 𝒙𝟎 ) (𝟏𝟎 − 𝟓)(𝟏𝟎 + 𝟐) 𝟔𝟎
𝟏 𝟐
𝑳𝟎 𝒇(𝒙𝟎 ) = (𝒙 − 𝟏𝟓𝒙 + 𝟓𝟎)(−𝟏𝟎)
𝟖𝟒
𝟏 𝟐
𝑳𝟏 𝒇(𝒙𝟏 ) = − (𝒙 − 𝟖𝒙 − 𝟐𝟎)(𝟗)
𝟑𝟓
𝟏 𝟐
𝑳𝟐 𝒇(𝒙𝟐 ) = (𝒙 − 𝟑𝒙 − 𝟏𝟎)(𝟔)
𝟔𝟎
𝟐𝟗 𝟏𝟐𝟒 𝟑𝟖
𝒇𝟐 (𝒙) = − 𝟏𝟎𝟓 𝒙𝟐 + 𝟑𝟓
𝒙 − 𝟐𝟏
Numerical Differentiation

Trapezoidal Rule or Trapezium

𝒃
𝟏
∫ 𝒇(𝒙)𝒅𝒙 = 𝒉{(𝒇(𝒙𝒐) + 𝒇(𝒙𝒏)) + 𝟐(𝒇(𝒙𝟏) + 𝒇(𝒙𝟐) + ⋯ + 𝒇(𝒙𝒏 − 𝟏))}
𝒂 𝟐

fo = your starting point

f1 = the first interval after that point

f2 = the second interval

fn = your finishing point

𝒇(𝒙) = 𝒙𝟒 − 𝟕𝒙𝟑 + 𝟏𝟑𝒙𝟐 − 𝟏𝟕𝒙 + 𝟒

𝟓
∫ 𝒙𝟒 − 𝟕𝒙𝟑 + 𝟏𝟑𝒙𝟐 − 𝟏𝟕𝒙 + 𝟒 𝒅𝒙
𝟏

𝟓
𝒙𝟓 𝟕 𝟏𝟑 𝟑 𝟏𝟕 𝟐
[ − 𝒙𝟒 + 𝒙 − 𝒙 + 𝟒𝒙]
𝟓 𝟒 𝟑 𝟐 𝟏

−𝟏𝟏𝟕. 𝟖𝟔𝟕
𝒉=𝟏

x F(x)
1 -6
2 -18
3 -38
4 -48
5 -6
𝟏
𝑰= 𝒉 ((𝒇(𝒙𝟎 ) + 𝒇(𝒙𝟒 )) + 𝟐(𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 ) + 𝒇(𝒙𝟑 )))
𝟐
𝟏
𝑰= (𝟏) ((−𝟔 + (−𝟔)) + 𝟐((−𝟏𝟖) + (−𝟑𝟖) + (−𝟒𝟖))
𝟐
𝑰 = −𝟏𝟏𝟎. 𝟎𝟎
−𝟏𝟏𝟎 − (−𝟏𝟏𝟕. 𝟖𝟔𝟕)
%𝑬𝒓𝒓𝒐𝒓 = | | ∗ 𝟏𝟎𝟎% = 𝟔. 𝟔𝟕%
−𝟏𝟏𝟕. 𝟖𝟔𝟕

Simpson’s one-third rule

𝒃
𝟏
∫ 𝒇(𝒙)𝒅𝒙 = 𝒉{𝒇(𝒙𝒐) + 𝟒𝒇(𝒙𝟏) + 𝟐𝒇(𝒙𝟐) + 𝟒𝒇(𝒙𝟑) + … + 𝟒𝒇(𝒙𝒏 − 𝟏) + 𝒇(𝒙𝒏)}
𝒂 𝟑
𝟏
𝑰= 𝒉(𝒇(𝒙𝟎 ) + 𝟒𝒇(𝒙𝟏 ) + 𝟐𝒇(𝒙𝟐 ) + 𝟒𝒇(𝒙𝟑 ) + 𝒇(𝒙𝒏 ))
𝟑
 𝟏
𝑰= (𝟏)(−𝟔 + 𝟒(−𝟏𝟖) + 𝟐(−𝟑𝟖) + 𝟒(−𝟒𝟖) + (−𝟔))
𝟑
𝑰 = −𝟏𝟏𝟕. 𝟑𝟑𝟑
%𝑬𝒓𝒓𝒐𝒓 = 𝟎. 𝟒𝟓𝟑%
Gauss Quadrature

𝑻𝒘𝒐 − 𝒑𝒐𝒊𝒏𝒕
𝟏 𝟏
𝒘𝟏 = 𝒘𝟐 = 𝟏; 𝒙𝟏 = − ; 𝒙𝟐 =
√𝟑 √𝟑
𝒃−𝒂
𝑰=( ) (𝒘𝟏 𝒇(𝒙𝟏 ) + 𝒘𝟐 𝒇(𝒙𝟐 ))
𝟐
(𝒃 + 𝒂) + (𝒃 − 𝒂)𝒙𝒂
𝒙𝒂 𝒙𝒊 = 𝑭(𝒙𝒊 )
𝟐
−𝟏/√𝟑 1.8452 -46.284
𝟏/√𝟑 4.1547 -15.4913
𝟓−𝟏
𝑰=( ) ( (𝟏)(−𝟒𝟔. 𝟐𝟖𝟒) + 𝟏(−𝟏𝟓. 𝟒𝟗𝟏𝟑))
𝟐
𝑰 = 𝟏𝟐𝟑. 𝟓𝟓𝟏

𝑻𝒉𝒓𝒆𝒆 − 𝒑𝒐𝒊𝒏𝒕

𝟓 𝟖 𝟑 𝟑
𝒘 𝟏 = 𝒘𝟑 = ; 𝒘 = ; 𝒙𝟏 = −√ ; 𝒙𝟐 = 𝟎; 𝒙𝟑 = √
𝟗 𝟗 𝟓 𝟓

𝒃−𝒂
𝑰=( ) (𝒘𝟏 𝒇(𝒙𝟏 ) + 𝒘𝟐 𝒇(𝒙𝟐 ) + 𝒘𝟑 𝒇(𝒙𝟑 ))
𝟐

(𝒃 + 𝒂) + (𝒃 − 𝒂)𝒙𝒂
𝒙𝒂 𝒙𝒊 = 𝑭(𝒙𝒊 )
𝟐
1.451
𝟑
−√( ) -10.249
𝟓
0 3 -38
4.549
𝟑
√( ) -35.042
𝟓
𝒃−𝒂
𝑰=( ) (𝒘𝟏 𝒇(𝒙𝟏 ) + 𝒘𝟐 𝒇(𝒙𝟐 ) + 𝒘𝟑 𝒇(𝒙𝟑 ))
𝟐
𝟓−𝟏 𝟓 𝟖 𝟓
= (( ) (−𝟏𝟎. 𝟐𝟒𝟗) + (−𝟑𝟖) + ( ) (−𝟑𝟓. 𝟎𝟒𝟐)) = −𝟏𝟏𝟕. 𝟖𝟕𝟗
𝟐 𝟗 𝟗 𝟗
%𝑬𝒓𝒓𝒐𝒓 = 𝟎. 𝟎𝟎𝟎𝟏%