6. Integrointitekniikoita
6.7 Simpsonin menetelmä
6.7.1 Simpsonin menetelmä, tilastollinen johto
Aiemmin laskettiin likiarvoa integraalille
$$
I=\int_0^1 x^2dx=\frac{1}{3}.
$$
Puolisuunnikasmenetelmä ja keskipistemenetelmä tuottivat tulokset
\begin{equation*}
\begin{split}
T_4&=\frac{11}{32}=\frac{1}{3}+0,01041,\\
M_4&=\frac{21}{64}=\frac{1}{3}-0,00520.
\end{split}
\end{equation*}
Ahaa! Jos tehtäisiinkin temppu
$$
\frac{1}{3}T_4+\frac{2}{3}M_4
=\frac{1}{3}+\bigg(\frac{1}{3}0,01041-\frac{2}{3}0,00520\bigg)
\approx \frac{1}{3},
$$
niin saataisiin todella tarkka arvo. Mutta oliko tämä sattumaa?
Piirtämällä kuva nähdään, että tulos on järkevä: \(T_4\gt I\gt M_4\).
Sanallisesti sanottuna, koska \(f(x)=x^2\) on konveksi (\(f''(x)\gt 0\)) välillä \([0,1]\), niin
``kuvaaja on murtoviivan alla'' ja puolisuunnikasmenetelmä antaa arvion yläkanttiin.
Lisäksi keskipistemenetelmän palkki jakaa kuvaajan kahteen osaan. Yläpuolelle jäävä pinta-ala on suurempi kuin
alapuolelle jäävä, mistä johtuen keskipistemenetelmä antaa arvion alakanttiin.
Jos taas \(f\) olisi konkaavi (alaspäin kupera), niin tilanne olisi toisinpäin.
Koska \(f(x)=x^2\) on kasvava välillä \([0,1]\), niin VPM antaa arvion alakanttiin ja OPM yläkanttiin.
Jos taas \(f\) olisi vähenevä, niin tilanne olisi toisinpäin ja pätisi \(M_4\lt I\lt T_4\).
Integraaleja käsin laskeneet matemaatikot ovatkin sitten ajatelleet, että ehkäpä keskiarvo
$$
\frac{T_n+M_n}{2}
$$
olisi hyvä arvio.\\
Mutta! Todellakin absoluuttisia virheitä katsomalla nähdään, että \(|T_4-I|=0,01041\approx 2\cdot 0,00520=|M_4-I|\).
Siis johdetaankin uusi menetelmä painotettuna keskiarvona
$$
S_n=\frac{T_n+2M_n}{3}.
$$
Ainakin menetelmä on parempi kuin pelkkä \(T_n\) tai \(M_n\) siinä tapauksessa, että funktion derivaatta on kasvava/vähenevä (= funktio on konveksi tai konkaavi).
VIITTEET
[1] R. A. Adams and C. Essex, Calculus: a complete course, Ninth edition, Pearson, Ontario, 2018. Sivut 68–70.