Калькулятор интерполяции
Найдите промежуточное значение y по двум известным точкам. Калькулятор использует линейную интерполяцию и показывает формулу расчета.
Обновлено 6 августа 2026
Линейная интерполяция отвечает на вопрос, который возникает при каждом обращении к справочной таблице: в таблице есть значения для 10 и для 20, а нужно для 15. Метод предполагает, что между двумя известными точками величина меняется по прямой.
Формула
y = y₁ + (x − x₁) × (y₂ − y₁) / (x₂ − x₁)
Читается так: берём значение в первой точке и добавляем к нему часть прироста, пропорциональную тому, насколько мы продвинулись между точками.
Пример: известно, что при x = 10 величина равна 100, а при x = 20 — 160. Найдём значение при x = 15: 100 + (15 − 10) × (160 − 100) / (20 − 10) = 100 + 5 × 6 = 130.
Здесь 6 — это прирост на единицу x, а 50 % — доля пройденного отрезка. Оба показателя калькулятор выводит отдельно: по ним удобно проверять, что точки заданы правильно.
Проверка здравым смыслом
Результат интерполяции всегда лежит между y₁ и y₂. Если он оказался за пределами этого интервала, значит x вышел за границы отрезка — и это уже не интерполяция, а экстраполяция.
Ещё одна быстрая проверка: если x находится ровно посередине между x₁ и x₂, результат должен быть средним арифметическим y₁ и y₂. В примере выше середина между 10 и 20 — это 15, и 130 действительно среднее между 100 и 160.
Экстраполяция: почему с ней осторожнее
Тот же расчёт формально работает и за пределами отрезка — достаточно подставить x меньше x₁ или больше x₂. Но надёжность резко падает.
Внутри отрезка мы опираемся на две реальные точки и предполагаем плавность между ними. За его пределами мы предполагаем, что закономерность продолжается, — а это ничем не подкреплено. Табличные данные часто описывают явление только в исследованном диапазоне, и вне его поведение может измениться качественно.
Когда линейная модель не подходит
Метод исходит из того, что между точками величина меняется равномерно. Это верно не всегда:
- Сложный процент, рост популяций, износ меняются нелинейно, и прямая между точками занизит или завысит результат.
- Ступенчатые шкалы — налоговые ставки, тарифные сетки, разряды — вообще не интерполируются: там величина меняется скачком, а не плавно.
- Резонансные и пороговые явления имеют пики между табличными точками, которые прямая просто не увидит.
Правило простое: чем ближе точки друг к другу, тем точнее интерполяция. Если шаг таблицы крупный, а зависимость явно изогнута, лучше найти более подробную таблицу, чем достраивать её прямыми.
Где применяется
- Технические справочники — плотность, вязкость, теплоёмкость при промежуточной температуре.
- Строительные нормы — коэффициенты, заданные для дискретных значений параметра.
- Финансы — доходность на срок, не совпадающий с табличным.
- Калибровка приборов — восстановление показаний между точками поверки.
- Обработка измерений — заполнение пропусков в равномерных рядах данных.
Часто задаваемые вопросы
Способ найти промежуточное значение между двумя известными точками, предполагая, что величина меняется по прямой. Нужен, когда в справочной таблице есть значения для 10 и 20, а требуется для 15.
y = y₁ + (x − x₁) × (y₂ − y₁) / (x₂ − x₁). К значению в первой точке добавляется часть прироста, пропорциональная пройденной доле отрезка. Для точек (10; 100) и (20; 160) при x = 15 результат равен 130.
Он всегда должен лежать между y₁ и y₂. Если x находится ровно посередине между x₁ и x₂, результат обязан быть средним арифметическим известных значений. Выход за пределы интервала означает, что это уже экстраполяция.
Интерполяция работает между известными точками, экстраполяция — за их пределами. Формула та же, но надёжность резко падает: внутри отрезка мы опираемся на две реальные точки, а вне его лишь предполагаем, что закономерность продолжается.
Когда зависимость нелинейна: сложный процент, рост популяций, износ. Также она неприменима к ступенчатым шкалам вроде налоговых ставок и тарифных сеток, где величина меняется скачком, а не плавно.
Использовать более подробную таблицу: чем ближе известные точки друг к другу, тем точнее интерполяция. При крупном шаге и явно изогнутой зависимости лучше найти данные с меньшим шагом, чем достраивать их прямыми.