O que é interpolação e extrapolação?
Passo 1
O enunciado é curto e direto: pergunta o que é interpolação e o que é extrapolação. Ou seja, pede definições claras, exemplos e como distinguir/usar cada uma. Informações relevantes que temos: nenhuma outra dada — só a necessidade de entender os conceitos, ver fórmulas básicas e saber quais cuidados tomar ao aplicar cada técnica.
Passo 2
Definição intuitiva e curta (antes de entrar em fórmulas):
- Interpolação: estimar valores de uma função ou série de dados para pontos que ficam entre os pontos conhecidos. É como ligar os pontos e olhar o que está no meio.
- Extrapolação: estimar valores para pontos fora do intervalo dos dados conhecidos; é projetar além do que foi observado.
Vou dar um exemplo bem simples para fixar a ideia: suponha que se sabe a temperatura às 9h (
C) e às 11h (
C). Estimar a temperatura às 10h é interpolação (porque 10h está entre 9h e 11h). Estimar a temperatura às 13h é extrapolação (porque 13h está fora do intervalo [9h,11h]).
Passo 3
Enunciado matemático básico (formalizando):
- Dados pontos
com . Interpolação busca uma função tal que
e usa
para estimar
quando
.
- Extrapolação usa um modelo (por exemplo
acima) para estimar quando ou — ou seja, fora do intervalo .
Passo 4
Método mais simples: interpolação linear entre dois pontos (fórmula e explicação).
Se só há dois pontos e
, a reta que passa por eles é o interpolador linear. A fórmula para
entre
e
é
Se só há dois pontos
Explicando as partes:
é a inclinação (o quanto
muda por unidade de
);
é o deslocamento desde o ponto base; somando a
obtemos o valor na reta. Essa mesma fórmula serve para extrapolar: basta avaliar
para
fora do intervalo, mas atenção — agora é extrapolação (ver riscos adiante).
Exemplo numérico rápido (prático):
,
. A inclinação é
Interpolar em
:
. Extrapolar em
:
.
Passo 5
Interpolação polinomial (idéia e fórmula Lagrange) — quando usar e o que significa:
Quer-se um polinômio de grau
que passe por todos os
pontos. A forma de Lagrange constrói bases
assim:
Quer-se um polinômio
e o interpolador é
Aqui cada
é um polinômio que vale
em
e
em todos os outros
, por isso a combinação dá exatamente
.
Passo 6
Outra forma prática: polinômio de Newton (ideia curta).
A forma de Newton usa diferenças divididas e tem a vantagem de ser fácil de atualizar quando se adiciona um novo ponto. Escrevendo
A forma de Newton usa diferenças divididas e tem a vantagem de ser fácil de atualizar quando se adiciona um novo ponto. Escrevendo
os coeficientes
são as diferenças divididas calculadas a partir dos
. Não vou forçar cálculo longo aqui, só vale saber que é uma representação numericamente conveniente.
Passo 7
Splines — solução prática para evitar problemas de polinômios altos.
Splines cúbicas são funções por partes: em cada intervalo usa-se um polinômio cúbico, e impõe-se que a função e suas derivadas primeira e segunda sejam contínuas nos nós
. Isso produz curvas suaves e evita oscilações indesejadas que acontecem com polinômios de grau alto (fenômeno de Runge). Em geral, para dados reais, spline cúbica é uma escolha muito robusta.
Splines cúbicas são funções por partes: em cada intervalo
Passo 8
Erro da interpolação polinomial (fórmula e interpretação) — atenção do que depende o erro.
Se a função verdadeira for suficientemente suave, o erro entre
e o polinômio interpolador
tem a forma
Se a função verdadeira
para algum
entre o menor e o maior
. Significado: o erro depende da derivada
(que pode ser grande) e do termo
(que cresce muito fora do intervalo dos nós). Conclusão importante: aumentar
nem sempre reduz erro; pode aumentar muito para
próximos às extremidades ou fora do intervalo.
Passo 9
Por que extrapolação é mais arriscada que interpolação — regras práticas:
- Interpolação usa informação local entre pontos observados; extrapolação tenta “adivinhar” comportamento fora da região observada. Não há garantia de que o modelo (reta, polinômio, spline, regressão) permaneça válido fora do intervalo.
- O termo
na fórmula de erro tende a crescer rápido quando sai de , o que aumenta erro. - Em extrapolação, prefira modelos com justificativa física ou teórica (por exemplo: crescimento exponencial quando há razão física para isso) e sempre forneça estimativa de incerteza. Se possível, obtenha mais dados na região de interesse.
Passo 10
Boas práticas para uma prova (ou aplicação rápida): checklist simples e aplicável em prova escrita:
- Identifique os pontos dados
e o intervalo . - Se for pedir valor dentro do intervalo, use interpolação; se pedir fora, diga explicitamente que é extrapolação e aponte o risco.
- Na prova, prefira o método mais simples que atende ao enunciado (linear ou polinomial de baixo grau, ou spline) e justifique a escolha.
- Se for interpolação polinomial, lembre-se do erro e, se possível, cite a fórmula do erro.
- Se for extrapolação, explique a hipótese do modelo (por que supõe-se reta, exponencial, etc.) e comente sobre a confiança da previsão.
Passo 11
Resumo didático e amigável (um último empurrãozinho):
- Interpolação = estimar “no meio” — mais segura, principalmente com poucos graus (reta, splines).
- Extrapolação = estimar “fora” — arriscada; exige justificativa do modelo e cautela com crescimento dos erros.
Se estiver nervoso na prova, responda com clareza qual é o domínio de validade do seu modelo e mostre que você sabe os limites (isso impressiona o corretor mais do que aplicar uma fórmula sem comentário).
Resposta
Interpolação: estimar valores para
dentro do intervalo dos dados conhecidos
; constrói-se uma função
tal que
e usa-se
para
.
Extrapolação: estimar valores para fora do intervalo dos dados conhecidos (
ou
); envolve projetar o modelo além da região observada e tem risco maior de erro.
Extrapolação: estimar valores para