Análisis del consumo energético estratificado en la ciudad de Barranquilla

mediante ajuste de curvas por regresiones e interpolaciones.

Por:

Maria Camila Rojas Castro [1] – T00064306

Julio Cesar Villarreal Paniza [2] – T00069014

Facultad de Ingeniería

Programa de Ingeniería Naval e

Industrial [1]

Programa de Ingeniería de Sistemas y

Computo [2]

Universidad Tecnológica de Bolívar

Cartagena de Indias, Colombia

Abril del 2024

 1. Introducción

El análisis del consumo energético en Barranquilla, específicamente en el estrato 3, es una

herramienta valiosa para comprender y optimizar el uso de recursos energéticos en los hogares.

Este proyecto se basa en la variación del consumo energético según el número de

electrodomésticos utilizados en el hogar, teniendo en cuenta la influencia de variables como el

sexo, la edad y las horas de uso de los electrodomésticos.

Inspirado en estudios previos realizados por el departamento de Ingeniería Industrial de la

Universidad del Norte, este análisis busca justificar cuánto se puede explicar una de las variables

significativas previamente escogida, con respecto al consumo de energía en la ciudad. A partir

de los datos recopilados, se pretende establecer relaciones claras entre las variables

mencionadas, permitiendo así identificar patrones de consumo y áreas de oportunidad para

mejorar la eficiencia energética en los hogares estrato 3 de Barranquilla.

Para lograr este objetivo, se emplearán métodos numéricos y técnicas de análisis de datos que

faciliten la comprensión y visualización de los resultados obtenidos. Este proyecto no solo

contribuirá al conocimiento académico en el campo de la ingeniería industrial, sino que también

ofrecerá recomendaciones prácticas para promover un consumo energético más responsable y

sostenible en la comunidad.

2. Problema o fenómeno para analizar

2.1. Descripción

El cuidado del medio ambiente ha adquirido una relevancia cada vez mayor en la vida cotidiana,

siendo un tema prioritario a nivel global. En Colombia, el uso indiscriminado de recursos no

renovables para la generación de energía contribuye significativamente a la emisión excesiva de

gases de efecto invernadero. En este contexto, el ahorro de energía se presenta como una

solución crucial para mitigar la degradación ambiental y reducir los gastos en viviendas

residenciales. Por ende, el proyecto de investigación se enfoca en identificar las variables que
inciden directamente en el aumento del consumo eléctrico en las zonas residenciales de

Barranquilla.

En particular, este estudio se centra en analizar la relación entre el número de electrodomésticos

utilizados en los hogares y el consumo de energía en la ciudad de Barranquilla. Se busca

comprender cuánto puede explicar esta variable significativa respecto al consumo de energía en

la ciudad. Identificar y cuantificar esta relación es fundamental para desarrollar estrategias

efectivas de gestión energética y promover prácticas de consumo más sostenibles en la

comunidad. Al entender el impacto del factor demográfico en el consumo de energía, se podrán

diseñar políticas y programas específicos orientados a reducir el consumo eléctrico y mejorar la

eficiencia energética en los hogares, contribuyendo así al cuidado del medio ambiente y al

bienestar económico de la población.

Tras explicar el fenómeno a analizar, se pueden usar los métodos numéricos, que facilitarán la

obtención de otros datos que no se tomaron manualmente. Los métodos utilizados corresponden

a: regresión lineal, regresión polinomial e interpolación.

2.2. Marco Teórico

Consumo energético: Habitualmente se mide en KWh y se define como el

volumen de energía utilizado durante un periodo de tiempo determinado. Resulta

esencial determinar el consumo eléctrico en kilovatios hora (kWh) de los

electrodomésticos seleccionados para el análisis. A continuación, se detalla la

capacidad de los aparatos eléctricos empleados junto con su respectivo consumo en

kilovatios (kW).

➢ Nevera

Capacidad: (1/4, 1/5, 1/8) hp

➢ Aire acondicionado
 Capacidad: (18000, 12000, 9000) BTU

➢ Lavadora

Capacidad: (Mayores de 35, de 22-25, de 17,6-22) lb

➢ Televisor

Capacidad: (Mayores de 40, de 30-40, menores de 30) pulg

Para determinar el consumo de los electrodomésticos mencionados, fue esencial

categorizarlos según su capacidad en tres grupos: grandes, medianos y pequeños, ya

que esta capacidad influye directamente en el consumo en kWh. De manera que,

para calcular el consumo respectivo, se buscó la potencia en vatios en las

especificaciones de cada electrodoméstico, considerando dimensiones de capacidad

similares. En caso de que no se encontrara la potencia en vatios, se recurrió al voltaje

(vatios) y la intensidad de corriente (amperios) en las especificaciones y se procedió

a aplicar la siguiente formula:

P=V*I

Consiguientemente, se tomó como referencia la tabla de consumo de los

electrodomésticos proporcionado por “Empresas Públicas de Medellin (EPM).

Cabe resaltar que, la investigación de donde se tomó los datos sólo utilizó de la

siguiente tabla los kw que consume cada electrodoméstico. Las horas

posteriores para el análisis las tomaron a partir de encuestas realizadas en los

sectores de interés.
Figura 1. Tabla de consumo EPM
 2.3. Línea de investigación

Desde la línea de investigación de la ingeniería industrial en la UTB, se puede abordar

el análisis del consumo energético en hogares para formar profesionales integrales capaces de

identificar, analizar y resolver problemas relacionados con el uso eficiente de los recursos

disponibles en una comunidad. Al comprender cómo se distribuye y utiliza la energía en los

hogares, se promueve un enfoque proactivo hacia la optimización de recursos y la mejora del

nivel socioeconómico de la región y el país. Este análisis contribuye al desarrollo de

profesionales activos en los procesos de autogestión y creación de empresas, al ofrecer

información valiosa para el diseño de estrategias que fomenten un consumo más responsable y

sostenible, beneficiando tanto a los hogares como al entorno socioeconómico en general.

2.4. ¿Por qué es importante el estudio de la disminución del consumo energético?

El estudio de la disminución del consumo energético es de vital importancia por varias

razones significativas. En primer lugar, el consumo energético tiene un impacto directo en la

sostenibilidad ambiental y la conservación de recursos naturales. Al reducir el consumo

energético, se contribuye a la mitigación del cambio climático y se promueve la preservación

de ecosistemas vitales. Además, la disminución del consumo energético conlleva beneficios

económicos, ya que reduce los costos asociados con la generación y distribución de energía,

tanto a nivel doméstico como empresarial. En un contexto más amplio, la reducción del

consumo energético fomenta la innovación tecnológica y la adopción de prácticas más

eficientes, lo que impulsa el desarrollo sostenible y la competitividad en el mercado global.

3. Experimentación

3.1.Materiales:

Para nuestro estudio sobre el consumo de energía de electrodomésticos en el

estrato 3 de Barranquilla, nos apoyaremos en los datos recopilados durante un censo

llevado a cabo por el DANE en 2005. Estos datos proporcionan información detallada

sobre los voltajes específicos en nuestra área de interés, ofreciéndonos una visión precisa

del panorama energético local. Al integrar estos datos en nuestro análisis, podemos
establecer una sólida línea de base y comprender mejor la distribución y variabilidad de

los voltajes. Además, desarrollaremos y aplicaremos un código personalizado

meticulosamente diseñado para analizar estos datos y crear gráficos informativos.

Este enfoque nos permitirá desentrañar patrones sutiles y tendencias

significativas en el consumo de energía de los electrodomésticos en hogares del estrato 3

de Barranquilla. Al examinar estos aspectos, profundizaremos nuestra comprensión de

cómo los factores energéticos influyen en nuestra en la comunidad de Barranquilla.

3.2 Descripción del montaje

Para llevar a cabo nuestro estudio sobre el consumo de energía de los electrodomésticos en el

estrato 3 de Barranquilla, nos beneficiamos de los datos detallados recopilados por el DANE

durante su censo en 2005. Estos datos proporcionaron información crucial sobre los voltajes

específicos en nuestra área de interés, lo que nos permitió establecer una base sólida para nuestro

análisis. Este enfoque nos permitió aprovechar eficazmente los recursos disponibles,

aprovechando los datos del censo del DANE para guiar nuestra investigación y junto con datos

precisos sobre el consumo de energía de los electrodomésticos en hogares del estrato 3 de

Barranquilla, tomados y anotados en una tableta con el software Excel.

3.3 Adquisición de datos

Los datos del censo de 2005 del DANE se utilizarán para comparar el consumo

energético de cada vivienda en el estrato 3. Esta comparación nos permitirá identificar patrones

y variaciones en el consumo de energía entre diferentes hogares, lo que a su vez podría ayudar

a entender mejor las tendencias y factores que influyen en el consumo energético en este estrato

socioeconómico específico.

La siguiente tabla presenta datos recopilados del censo de 2005 realizado por el

Departamento Administrativo Nacional de Estadística (DANE) en Colombia. Estos datos

muestran el consumo energético en kilovatios por hora (kWh) de 35 viviendas pertenecientes

al estrato socioeconómico 3:
 X Y(kWh)
No.1 9 200,3
No.2 12 315,6
No.3 15 415,82
No.4 18 539,1
No.5 21 678,58
No.6 24 835,388
No.7 27 1.011,168
No.8 30 1.207,948
No.9 33 1.427,748
No.10 36 1.672,548
No.11 39 1.944,348
No.12 42 2.245,148
No.13 45 2.576,948
No.14 48 2.941,748
No.15 51 3.331,548
No.16 54 3.748,348
No.17 57 4.194,148
No.18 60 4.670,948
No.19 63 5.179,748
No.20 66 5.718,548

Con X el número de electrodoméstico y Y el consumo total

4. Procesamiento de datos

4.1 Grafica de los datos obtenidos (Observaciones sobre su comportamiento).

Grafica 1. Número de electrodomésticos vs Consumo Total

 Teniendo en cuenta que estos datos provienen de un censo de consumo de energía en

el estrato 3 de Barranquilla, la gráfica nos muestra la tendencia directamente proporcional de

los datos

4.2 Análisis estadístico

Para esta parte del proyecto, se utilizó como guía el análisis realizado en los ejemplos

17.2,17.3 y 17.5 del libro “Métodos Numéricos para Ingenieros 7° Ed. / Steven C. Chapra &

Raymond P. Canalé”.

La regresión lineal es una técnica de análisis de datos que permite estimar el valor de

datos desconocidos mediante el ajuste de una recta a partir de dos datos (la recta que más se

ajusta a los datos). Esta técnica nos permitirá establecer una relación lineal entre el numero de

electrodomésticos (variable independiente) y la Consumo total (variable dependiente) teniendo

en cuenta los datos obtenidos en la experimentación.

La regresión polinomial, por otro lado, trabaja a partir de los dos datos antes

mencionados. La regresión polinomial nos puede resultar un poco más útil para ajustar nuestro

conjunto de datos ya que trabaja en base a curvas polinómicas. Así pues, el grafico obtenido

será más cercano a la gráfica de puntos de una nuestra muestra de datos.

La desviación estándar, se utilizará para calcular la variación o dispersión en la que

nuestro conjunto de datos difiere de la media. (2021, Ortega C)

El error estándar de la estimación nos dice cuánto los valores observados se desvían o

se desvían de la línea de regresión ajustada. Un pequeño valor de error indicaría que no hay

errores significativos, por lo que los puntos están más cerca de la línea, lo que sugiere que es

un buen modelo.

El coeficiente de correlación es una medida de la dependencia lineal de las dos

variables, lo que nos permitirá estudiar si la relación entre la cantidad de electrodomésticos y

el consumo total.. El valor obtenido de este nos dirá si es una relación nula (|𝑟| = 0), moderada

(0,4 ≤ |𝑟| ≤ 0,6), 𝑎𝑙𝑡𝑎 (0,6

≤ |𝑟| ≤ 0,8) 𝑜 𝑝𝑒𝑟𝑓𝑒𝑐𝑡𝑎 (|𝑟| = 1).

Finalmente, el coeficiente de determinación 𝑟2, será útil para predecir futuros resultados

con respecto al consumo total con respecto a la cantidad de electrodomésticos.

Con el fin de realizar un análisis de la correlación existente entre el número de

electrodomésticos y el consumo total, se programó un código que al ingresar los 20 pares de

datos realice las operaciones matemáticas necesarias para determinar la curva o relación lineal

que más se ajuste a los datos, la desviación estándar, el error estándar de estimación, el

coeficiente de correlación y el coeficiente de determinación. Obteniendo así los siguientes

resultados.

Resultados obtenidos regresión lineal en Python

Reg. Lineal y polinomial de cantidad de electrodoméstico vs consumo total en

Python
 A partir de esto, podemos analizar los resultados y extraer conclusiones significativas,

La regresión lineal obtenida a partir de los 20 datos tomados nos arroja una curva con

pendiente positiva, indica una relación directa entre las variables, lo que supondría que

entre mayor sea el número de personas mayor será el total de consumo.

Por otro lado, la desviación estándar es de 381.530, lo que nos indica la dispersión

que hay entre los valores a la recta de la regresión lineal

Finalmente, teniendo en cuenta el coeficiente de correlación r, se puede analizar la

relación y fuerza lineal entre las variables. Teniendo en cuenta los rangos proporcionados por

la literatura, el valor obtenido de la correlación nos dirá si es una relación:

Criterios de clasificación coeficiente de correlación Tomado de

“Redirect Notice”. s/f. Google.com. Consultado el 9 de octubre de 2023.

El valor proporcionado por el código realizado en Python fue de r = 0.973, se puede

afirmar que es una correlación muy alta entre el número de electrodomésticos y el total de

consumo.

Para esto, se realizó la regresión polinómica de grado 2 para analizar que se

ajusta el modelo a los datos obtenidos y también estudiar la correlación entre las

variables mencionadas.

Para ello, también se programó un código que al ingresar los 20 pares de datos
realice las operaciones matemáticas necesarias para determinar la curva polinomial de

segundo grado que más se ajuste a los datos, la desviación estándar, el error estándar de

estimación, el coeficiente de correlación y el coeficiente de determinación. Obteniendo así

los siguientes resultados.

Resultados obtenidos regresión polinómica de segundo grado

Para la regresión lineal ya se explicó lo que significa cada estadístico y la

característica del conjunto de datos que modela matemáticamente, haremos el mismo

análisis para este polinomio obtenido de grado 2.

La regresión polinómica de grado 2 aplicada a los 20 datos recopilados revela una

curva con una pendiente positiva. Esta tendencia sugiere una relación directa entre el número

de electrodomésticos y el total de consumo de energía. En otras palabras, a medida que

aumenta el número de electrodomésticos en un hogar, se observa un aumento en el consumo

total de energía.

Por otro lado, al calcular la desviación estándar y obtener un valor de 29.16, podemos

interpretar que existe una dispersión baja entre los valores y la línea de la regresión

polinómica. Esta dispersión refleja la variabilidad en el consumo de energía que no puede

explicarse completamente por el número de electrodomésticos, lo que sugiere la influencia

de otros factores en el consumo.

Finalmente, al analizar el coeficiente de correlación r=0.99, podemos evaluar la

fuerza y la naturaleza de la relación entre las variables. Comparamos el valor obtenido con

los rangos proporcionados por la literatura para determinar si existe una correlación muy alta

entre el número de electrodomésticos y el consumo de energía.

Este análisis nos da una comprensión más completa de la dinámica del consumo de
 energía respecto al número de electrodomésticos en los hogares del estrato 3 de Barranquilla,

permitiendo identificar tendencias, patrones.

4.3.A Polinomios de Lagrange

X y Grado 1 Grado 2 Grado 3 Grado 4

No.1 9 200,3

No.2 12 315,6
308,06

No.3 15 415,82 428,533

427,35

No.4 18 539,1 536,813 527,85

547,2

No.5 21 678,58 678,956 680,577

687 689,178

No.6 24 835,388 835,936 835,517

845 833,894

No.7 27 1.011,168 1.011,844 1.011

1.022 1011,142

No.8 30 1.207,948 1.208,621 1207,946

1.219 1207,87

No.9 33 1.427,748 1.428,408 1427,738

1.440 1427,742

No.10 36 1.672,548 1.673,215 1672,553

1.686 1672,56

No.11 39 1.944,348 1.945,015 1944,348

1.959 1944,344

No.12 42 2.245,148 2.245,815 2245,148

2.261 2245,148

No.13 45 2.576,948 2.577,615 2576,948

2.593 2576,948

No.14 48 2.941,748 2.939,081 2939,248

2.954 2939,748

No.15 51 3.331,548 3.332,215 3334,048

3.345 3335,548

No.16 54 3.748,348 3.749,015 3748,348

3.763 3746,348

No.17 57 4.194,148 4.194,815 4194,148

4.210 4194,148

No.18 60 4.670,948 4.671,281 4670,698

4.687 4670,748

No.19 63 5.179,748 5.179,081 5178,998

5.195 5179,348

No.20 66 5.718,548
Este análisis nos da una comprensión más completa de la dinámica del consumo de energía

respecto al número de electrodomésticos en los hogares del estrato 3 de Barranquilla,

permitiendo identificar tendencias, patrones.

4.3.B Comparación

Tenemos los siguientes valores para el error relativo % verdadero promedio:

valores para el error relativo %

Interpolación de Lagrange
verdadero promedio
Grado 1 -0,68153029

Grado 2 -0,17705854

Grado 3 0,1123704

Grado 4 -0,09071542

Al comparar los errores relativos porcentuales verdaderos promedio de las cuatro

interpolaciones realizadas, se observan diferencias significativas en la manera en que cada

grado de interpolación aproxima los datos subyacentes. La interpolación de grado 1 exhibe el

mayor sesgo hacia abajo, indicando una tendencia a subestimar los valores reales. Este sesgo

negativo sugiere que, en general, los valores predichos por esta interpolación tienden a ser

menores que los valores reales observados en los datos. Por otro lado, la interpolación de grado

2 también presenta un sesgo negativo, aunque de magnitud menor que la de grado 1. Este

patrón sugiere una mejora en la precisión de la aproximación, pero aún con una tendencia a

subestimar los datos.

En contraste, la interpolación de grado 3 exhibe un cambio hacia un sesgo positivo, indicando

una ligera tendencia a sobreestimar los valores reales. Este cambio hacia un sesgo positivo

sugiere una mejora en la precisión de la aproximación, aunque con una inclinación hacia la

sobreestimación de los datos. Por último, la interpolación de grado 4 muestra un sesgo

negativo, aunque su valor es cercano a cero. Esto sugiere una aproximación más equilibrada
de los datos, con un sesgo mínimo en cualquier dirección.

4.3.C

Tenemos el siguiente grafico que muestra los valores de cada interpolación superpuestas

Y(kWh) Grafica tabla de valores del experimento

25000

20000

15000

10000

5000

0
9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66

-5000

Grado 1 Err G1 Grado 2 Err G2 Grado 3 Err G3 Grdo 4 X

4.3.D

Et%
Errores relativos porcentuales verdaderos εt​% Vs X
3

0
9 19 29 39 49 59 69
-1 X

-2

-3

-4

Err G1 Err G2 Err G3 Err G4

Basándome en los resultados de los incisos a, b, c y d, puedo concluir que la interpolación de

grado 4 parece ser la más adecuada para estos datos. Esto se debe a que presenta el error

relativo porcentual verdadero promedio más cercano a cero en comparación con los otros

grados de interpolación. Este resultado sugiere que la interpolación de grado 4 logra una mejor

aproximación de los datos reales, minimizando el sesgo en la estimación. Además, al observar

las gráficas de los errores relativos porcentuales verdaderos en función de x, se puede apreciar

que la interpolación de grado 4 muestra un comportamiento más estable y consistente a lo largo

de todo el rango de valores de x, lo que respalda aún más su selección como la mejor opción.

5. Conclusiones

Luego de analizar detalladamente los resultados obtenidos en el estudio sobre el consumo

de energía de electrodomésticos en el estrato 3 de Barranquilla, centrado en la relación entre el

consumo y la frecuencia de uso de estos dispositivos, se han extraído conclusiones esenciales

para comprender mejor el comportamiento energético de la región. Al comparar los resultados

con los parámetros de referencia establecidos, se destacó la interpolación de grado 4 como la

opción que proporcionó el ajuste más preciso a los datos. Aunque el valor del error relativo

porcentual verdadero promedio asociado a la interpolación de grado 4 fue negativo, este se

aproximó notablemente a cero, lo que indica una mínima discrepancia entre los datos

interpolados y los datos reales. Este hallazgo, a pesar de su naturaleza negativa, sugiere una

buena aproximación a los datos reales.

Por otro lado, se observó que grados de interpolación superiores no garantizaron una mejor

adaptación a los datos, ya que podrían conducir a una sobreestimación y alejarse de la realidad.

Por ende, la selección cuidadosa del grado de interpolación es esencial para evitar distorsiones

en los resultados y garantizar una representación precisa del fenómeno estudiado. En este

contexto, la interpolación de grado 4 emergió como la opción más adecuada, proporcionando

una estimación precisa del comportamiento del consumo de energía de los electrodomésticos en

hogares del estrato 3 de Barranquilla. Estos resultados enfatizan la importancia de considerar

tanto la precisión como la complejidad del modelo al seleccionar la técnica de interpolación

adecuada en estudios similares sobre el consumo de energía.

1. Bibliografías

Kandola, A. (2022, Diciembre 22). Heart rate recovery: How to calculate it, improve

it, and more. Medicalnewstoday.com. https://www.medicalnewstoday.com/articles/heart-rate-

recovery

Corazón y Deporte. Capítulo 2. Hospital La Moraleja. (s/f). Hospitallamoraleja.es.

Recuperado el 10 de octubre de 2023, de https://www.hospitallamoraleja.es/es/pacientes-

corazon-deporte-capitulo3.php

(S/f). Amazon.com. Recuperado el 10 de octubre de 2023, de

https://aws.amazon.com/es/what-is/linear-

regression/#:~:text=La%20regresi%C3%B3n%20lineal%20es%20una,independiente%20com

o%20una%20ecuaci%C3%B3n%20lineal.

Ortega, C. (2022, diciembre 21). Desviación estándar: Qué es, usos y cómo obtenerla.

QuestionPro. https://www.questionpro.com/blog/es/desviacion-estandar

2. Anexos
Código regresión lineal
#regrecion lienal
#lista de X y Y
Lista_X=[9,12,15,18,21,24,27,30,33,36,39,42,45,48,51,54,57,60,63,66]
Lista_Y =
[200.3,315.6,415.82,539.1,678.58,835.388,1011.168,1207.948,1427.748,1672.548,194
4.348,2245.148,2576.948,2941.748,3331.548,3748.348,4194.148,4670.948,5179.748,57
18.548]
#Delacramos todas las siamtoria que nesitaremos
Sum_XY=float(0)
Sum_X=float(0)
Sum_Y=float(0)
Sum_X2=float(0)
Sum_Y2=float(0)
#penimos el tamaño de la mustra o el nuero de valores que se tienen
n=len(Lista_X)
"""#penimos las valoresd x y y
for i in range(0,n):
x = float(input(f"Ingrese el valor de X{i+1}: "))
 y = float(input(f"Ingrese el valor de Y{i+1}: "))
Lista_X.append(x)
Lista_Y.append(y)"""
#Calculampos todas las sumatorias
for i in range(n):
Sum_XY+= Lista_X[i]*Lista_Y[i]
Sum_X+= Lista_X[i]
Sum_Y+=Lista_Y[i]
Sum_X2+=Lista_X[i]**2
Sum_Y2+=Lista_Y[i]**2
#relizamos los calculos de b1 y b0
b1=((n*Sum_XY)-Sum_X*Sum_Y)/((n*Sum_X2)- Sum_X**2)
b0=(Sum_Y -(b1*Sum_X))/n
#imprimimos la ecuacion de la regrecion
if( b1 >0):
print(f"la ecuacion resultante es : Y = {b0:.2f} + {b1:.2f}X")
elif(b1<0):
print(f"la ecuacion resultante es : Y ={b0:.2f} {b1:.2f} X")

#lista de los avlores en Y o fx de la regrecion linal

lista_Ylineal=[]
for i in range(0,n):
yr=(round(b0,4))+round(b1,4)*Lista_X[i]
lista_Ylineal.append(yr)

for i in range(0,n):
print(f"regrecion linal Y{lista_Ylineal[i]:.2f}")
Código regresión Polinomial
import numpy as np
# Ingesar las datos
xi1 = [9,12,15,18,21,24,27,30,33,36,39,42,45,48,51,54,57,60,63,66]
yi1 =
[200.3,315.6,415.82,539.1,678.58,835.388,1011.168,1207.948,1427.748,1672.548,194
4.348,2245.148,2576.948,2941.748,3331.548,3748.348,4194.148,4670.948,5179.748,57
18.548]
n=len(xi1)
m = 2 #indica el gardo del polinomio en nuetro caso es de grado 2
xi2 = np.array(xi1)
yi2 = np.array(yi1)

# Ajuste polinomial de grado 2

coeficientes = np.polyfit(xi2, yi2, m)

# Coeficientes del polinomio

a, b, c = coeficientes

# Crear la ecuación polinómica como una cadena de caracteres

equacion = f"{a:.2f}x^2 + {b:.2f}x + {c:.2f}"

print("La ecuación polinómica de segundo grado resultante es:")

print("y =", equacion)
#calculamos los valres y o fx de la regrecion polinomial de segundo grado
lista_Ypoli=[]
for i in range(0,n):
re=a*(xi1[i]**2) + b*(xi1[i]) + c
lista_Ypoli.append(re)
for i in range(0,n):
print(f"lista de valores de la regrecion polinomial de segundo
grado Y{lista_Ypoli[i]:.2f}")

Código Interpolación de Lagrange

lista_valores_X= [9,12,15,18,21,24,27,30,33,36,39,42,45,48,51,54,57,60,63,66]
lista_valores_Fx=[200.3,315.6,415.82,539.1,678.58,835.388,1011.168,1207.948,1427
.748,1672.548,1944.348,2245.148,2576.948,2941.748,3331.548,3748.348,4194.148,467
0.948,5179.748,5718.548]

#n = grado a calular
n=int(4)
p=int(input("ingrese la pociion de x a calcualr la interpolacion:"))-1
x=lista_valores_X[p]
#pide los valores de x y f(x)
"""for i in range(n+1):
valor1=float(input("ingrese el valor para X{} :".format(c)))
lista_valores_X.append(valor1)
valor2=float(input("ingrese el valor para F({}) :".format(valor1)))
lista_valores_Fx.append(valor2)
c+=1"""
lista_Bus_x=[]
lista_Bus_y=[]
lista_Bus_x.append(lista_valores_X[p+1])
lista_Bus_y.append(lista_valores_Fx[p+1])
c=1
for i in range(n):
valor1=lista_valores_X[p-c]
lista_Bus_x.append(valor1)
valor2=lista_valores_Fx[p-c]
lista_Bus_y.append(valor2)
c+=1
#definimos el metodo para calualer los valores de Li(x)
#indice = i del Li
#grado = n
#x= valor de x en el que se reliza la interpolacion
def calcular_Lix(listaX,grado,indice,x):
resultado=float(1);
for j in range(0,grado+1):
if j==indice:
continue
resultado *= float(x-lista_Bus_x[j])/(lista_Bus_x[indice]-
lista_Bus_x[j])
return resultado

#realizamos al sumatoria para calular la interpolacion

Resultado_interpo=float(0)
for i in range(0,n+1):
Resultado_interpo+=float(calcular_Lix(lista_valores_X,n,i,x)*lista_Bus_y[i])
#imprime el resultado de la interpolacion
print("el valor de la interpolacion de grado P{}".format(n)," es
:",round(Resultado_interpo,3))