插值法计算方法举例

插值法计算公式
数学内插法即“直线插入法”。

其原理是，若A（i1，b1），B（i2，b2）为两点，则点P（i，b）在上述两点确定的直线上。

而工程上常用的为i在i1，i2之间，从而P在点A、B之间，故称“直线内插法”。

数学内插法说明点P反映的变量遵循直线AB反映的线性关系。

上述公式易得。

A、B、P三点共线，则：（b-b1）/（i-i1）=（b2-b1）/（i2-i1）=直线斜率，变换即得所求。

内插法原理
内插法原理：学内插法即“直线插入法”。

其原理是，若A(i1,b1),B(i2,b2)为两点，则点P(i,b)在上述两点确定的直线上。

内插法
内插法又称插值法。

根据未知函数f（x）在某区间内若干点的函数值，作出在该若干点的函数值与f（x）值相等的特定函数来近似原函数f（x），进而可用此特定函数算出该区间内其他各点的原函数f （x）的近似值，这种方法，称为内插法。

按特定函数的性质分，有线性内插、非线性内插等；按引数（自变量）个数分，有单内插、双内插和三内插等。

线性内插是假设在二个已知数据中的变化为线性关系，因此可由已知二点的座标(a, b)去计算通过这二点的斜线。

通俗地讲，线性内插法就是利用相似三角形的原理，来计算内插点的数据。

插值计算法公式
插值计算法是一种数值分析方法，用于在给定数据点的情况下，通过插值计算来估计未知数据点的值。

插值计算法的公式如下：
f(x) = Σ[i=0,n] yi * Li(x)
其中，f(x)表示要估计的未知数据点的值，yi表示已知数据点的值，Li(x)表示拉格朗日插值多项式，n表示已知数据点的数量。

拉格朗日插值多项式的公式如下：
Li(x) = Π[j=0,n,j≠i] (x - xj) / (xi - xj)
其中，i表示当前正在计算的已知数据点的下标，j表示其他已知数据点的下标，xj表示其他已知数据点的横坐标，xi表示当前正在计算的已知数据点的横坐标。

插值计算法的应用非常广泛，例如在地图制作、气象预报、股票分析等领域都有着重要的应用。

在地图制作中，插值计算法可以用来估计未知地点的高度、温度等信息，从而制作出更加精确的地图。

在气象预报中，插值计算法可以用来估计未来某个时间点的气温、降雨量等信息，从而提高气象预报的准确性。

在股票分析中，插值计算法可以用来估计未来某个时间点的股票价格，从而帮助投资者做出更加明智的投资决策。

插值计算法是一种非常重要的数值分析方法，可以用来估计未知数据点的值，从而在各个领域中发挥着重要的作用。

插值法的最简单计算公式全文共四篇示例，供读者参考第一篇示例：插值法是一种常用的数值计算方法，用于通过已知数据点推断出未知数据点的值。

在实际问题中，往往会遇到数据点不连续或者缺失的情况，这时就需要通过插值法来填补这些数据点，以便更准确地进行计算和分析。

插值法的最简单计算公式是线性插值法。

线性插值法假设数据点之间的变化是线性的，通过已知的两个数据点来推断出中间的未知数据点的值。

其计算公式为：设已知数据点为(x0, y0)和(x1, y1)，需要插值的点为x，其在(x0, x1)之间，且x0 < x < x1，插值公式为：y = y0 + (y1 - y0) * (x - x0) / (x1 - x0)y为插值点x对应的值，y0和y1分别为已知数据点x0和x1对应的值。

通过这个线性插值公式，可以方便地计算出中间未知点的值。

举一个简单的例子来说明线性插值法的应用。

假设有一组数据点为(1, 2)和(3, 6)，现在需要插值得到x=2时的值。

根据线性插值公式，我们可以计算出：y = 2 + (6 - 2) * (2 - 1) / (3 - 1) = 2 + 4 * 1 / 2 = 2 + 2 = 4当x=2时，线性插值法得到的值为4。

通过这个简单的例子，可以看出线性插值法的计算公式的简单易懂，适用于很多实际问题中的插值计算。

除了线性插值法，还有其他更复杂的插值方法，如多项式插值、样条插值等，它们能够更精确地拟合数据并减小误差。

在一些简单的情况下，线性插值法已经足够满足需求，并且计算起来更加直观和方便。

在实际应用中，插值法经常用于图像处理、信号处理、数据分析等领域。

通过插值法，可以将不连续的数据点连接起来，填补缺失的数据，使得数据更加完整和连续，方便后续的处理和分析。

插值法是一种简单而有效的数值计算方法，其中线性插值法是最简单的计算公式之一。

通过这个简单的公式，可以方便地推断出未知数据点的值，并在实际应用中发挥重要作用。

插值法举例说明
The Standardization Office was revised on the afternoon of December 13, 2020
插值法计算举例
达到门槛目标对应得分为60分，对应考核系数为；达到计划目标得分为100分，对应考核系数为1；达到挑战目标得分为150分，对应考核系数为。

其他得分按照插值法计算出相应系数。

例如，公司销售收入指标完成情况为亿元，介于计划目标（亿）与挑战目标（2亿）之间，则该考核指标得分γ为：
8
.128.195.1100
150100
--=--γ γ＝ 个人考核系数计算规则为每项指标得分乘以该指标权重，然后加总求和，总得分再次按照插值法计算个人考核系数。

例如，某高管考核得分为93分，个人考核系数计算公式如下：
60
10060935
.015
.0--=--X X ＝ 如果该员工绩效工资基数为1000元，则实际绩效工资为：1000*=元。

初级会计插值法计算公式在会计领域，插值法是一种常用的计算方法，用于估算两个已知数据点之间的未知数值。

这种方法在处理财务数据和进行财务分析时非常有用。

在本文中，我们将介绍初级会计插值法的计算公式，并举例说明其应用。

插值法的基本原理是利用已知的数据点，通过某种数学关系来推断未知数据点的数值。

在会计领域，这种方法常常用于估算某一期间的财务数据，或者对已知数据进行修正。

插值法的计算公式可以根据不同的数学模型来确定，常见的包括线性插值、多项式插值和指数插值等。

下面我们以线性插值法为例，介绍初级会计插值法的计算公式。

假设我们有两个已知的数据点：(x1, y1)和(x2, y2)，我们需要估算在这两个数据点之间某一特定位置x的数值。

线性插值法的计算公式如下：y = y1 + (x x1) (y2 y1) / (x2 x1)。

其中，y表示我们要估算的未知数值，x表示我们要进行插值的位置，y1和y2分别表示已知数据点对应的数值，x1和x2分别表示已知数据点的位置。

通过这个计算公式，我们可以很容易地估算出在两个已知数据点之间任意位置的数值。

下面我们通过一个实际的案例来演示线性插值法的应用。

假设某公司在2018年和2020年的销售额分别为100万美元和150万美元，我们需要估算2019年的销售额。

根据线性插值法的计算公式，我们可以得到：y = 100 + (2019 2018) (150 100) / (2020 2018) = 125。

因此，根据线性插值法，我们估算2019年的销售额为125万美元。

当然，实际情况可能会受到各种因素的影响，这只是一个估算值。

除了线性插值法，还有许多其他插值方法可以用于会计领域。

例如，多项式插值法可以通过已知数据点构建一个多项式函数，进而估算未知数据点的数值。

指数插值法则可以通过已知数据点构建一个指数函数，来进行估算。

不同的插值方法适用于不同的数据分布情况，会计人员可以根据具体情况选择合适的方法进行计算。

插值法的最简单计算公式全文共四篇示例，供读者参考第一篇示例：插值法是数值分析领域中常用的一种方法，它可以用来估计未知函数在给定点处的值。

插值法的基本思想是基于已知数据点，构建一个多项式函数来逼近未知函数的值。

在实际应用中，插值法常常被用来对离散数据进行平滑处理，或是用来预测未来的数据。

最简单的插值方法之一是线性插值法。

线性插值法假设未知函数在两个已知数据点之间是线性变化的，即可以通过这两个点之间的直线来估计未知函数在中间点处的值。

线性插值的计算公式如下：设已知数据点为(x0, y0)和(x1, y1)，要估计中间点x处的函数值y，则线性插值公式为：\[y = y0 + \frac{x - x0}{x1 - x0} * (y1 - y0)\]这个公式的推导比较简单，可以通过代入已知数据点计算出来。

如果已知数据点为(0, 1)和(2, 3)，要估计在x=1处的函数值，根据线性插值公式，计算如下：在x=1处的函数值为2。

线性插值法的优点是简单易懂，计算速度快，并且可以比较精确地估计函数值。

但是线性插值法的精度受限于已知数据点之间的线性关系，如果函数在两个数据点之间发生了急剧变化，线性插值法可能无法准确估计函数值。

除了线性插值法，还有许多其他更复杂的插值方法，如拉格朗日插值、牛顿插值、三次样条插值等。

这些方法在不同的情况下可以提供更精确的函数估计值，但也需要更复杂的计算步骤。

插值法是一种常用的数值分析方法，可以帮助我们更好地处理数据和预测未知函数的值。

在实际应用中，可以根据具体情况选取合适的插值方法来进行计算。

第二篇示例：插值法是一种用于估算未知数值的方法，它基于已知数据点之间的关系进行推断。

在实际应用中，插值法经常用于数据处理、图像处理、数学建模和预测等领域。

插值法的计算公式通常比较复杂，但是我们可以通过简化的方式来理解和计算插值结果。

最简单的插值方法之一是线性插值法。

在线性插值法中，我们假设已知数据点之间的关系是线性的，然后通过线性方程来估算未知点的数值。

插值法公式简单记忆方法插值法是一种求取某些数据点之间数值的方法，其公式可以根据不同的情况而有所不同。

以下是一些简单记忆插值法公式的方法：1. 拉格朗日插值法：根据已知数据点的函数值构造一个多项式函数，并使用该函数进行插值计算。

公式为：$$f(x) = sum_{i=0}^n y_i L_i(x)$$其中，$L_i(x)$ 是拉格朗日基函数，表示为：$$L_i(x) = prod_{jeq i} frac{x-x_j}{x_i-x_j}$$2. 牛顿插值法：通过已知数据点的差商来构造一个插值多项式。

公式为：$$f(x) = f[x_0] + (x-x_0)f[x_0,x_1] +(x-x_0)(x-x_1)f[x_0,x_1,x_2] + cdots +(x-x_0)cdots(x-x_{n-1})f[x_0,cdots,x_n]$$其中，$f[x_i]$ 表示 $i$ 阶差商，$f[x_i,x_{i+1},cdots,x_{i+j}]$ 表示 $i$ 到 $i+j$ 阶差商。

3. 分段线性插值法：将插值区间分成若干个小区间，每个小区间内用一条直线来近似表示函数。

公式为：$$f(x) = begin{cases}frac{x-x_0}{x_1-x_0}y_1 + frac{x_1-x}{x_1-x_0}y_0, &x_0leq x leq x_1frac{x-x_1}{x_2-x_1}y_2 + frac{x_2-x}{x_2-x_1}y_1, &x_1leq x leq x_2cdots & cdotsfrac{x-x_{n-1}}{x_n-x_{n-1}}y_n +frac{x_n-x}{x_n-x_{n-1}}y_{n-1}, & x_{n-1}leq x leq x_nend{cases}$$其中，$x_i$ 和 $y_i$ 分别表示已知数据点的自变量和因变量。

举例来看：可以认为某水文要素T 随时间t 的变化是连续的，某一个测点的水文要素T 可以看作时间的函数T=f(t)，这样在实际水文观测中，对测得的（n+1）个有序值进行插值计算来获取任意时间上的要素值。

①平均值法：若求T i 和T i+1之间任一点T ，则直接取T 为T i 和T i+1的平均值。

插值公式为：T=T i +T i+12②拉格朗日（Lagrange ）插值法：若求T i 和T i+1之间任一点T ，则可用T i-1、T 1、T i+1三个点来求得，也可用T i 、T i+1、T i+2这三个点来求得。

前三点内插公式为：T=(t-t i )(t-t i+1)(t i-1-t i )(t i-1-t i+1) T i-1+(t-t i-1)(t-t i+1)(t-t i-1)(t-t i+1) T i +(t-t i )(t-t i-1)(t i+1-t i )(t i+1-t i-1) T i+1后三点内插公式为：T=(t-t i+1)(t-t i+2)(t i -t i+1)(t i -t i+2) T i +(t-t i )(t-t i+2)(ti-t i )(t i -t i+2) T i+1+(t-t i )(t-t i+1)(t i+2-t i )(t i+2-t i+1) T i+2为提高插值结果可靠性，可将前后3点内插值再进一步平均。

③阿基玛（Akima ）插值法：对函数T=f(t)的n+1个有序型值中任意两点T i 和T i+1满足：f(t i )=T i df dt |t-ti =k i f’(t i+1)=T’i df dt|t-ti+1=k i+1 式中k i ，k i+1为曲线f(t)在这两点的斜率，而每点的斜率和周围4个点有关，插值公式为：T=P 0+P 1(t-t i )+P 2(t-t i )2+P 3(t-t i )3，来对T i 和T i+1之间的一点T 进行内差。

工程常用算法04插值方法插值是指根据已知的数据点，通过一定的方法来估计数据点之间的未知数据点的数值。

在工程领域，插值方法常用于数据处理、图像处理、信号处理、计算机图形学等方面。

下面介绍一些常用的插值方法。

1.线性插值法：线性插值法是最简单的插值方法之一，它假设两个相邻数据点之间的数值变化是线性的。

线性插值法的计算公式为：y=y1+(x-x1)*(y2-y1)/(x2-x1)其中，y1和y2为已知数据点的数值，x1和x2为已知数据点的横坐标，x为待估计数据点的横坐标，y为待估计数据点的纵坐标。

2.拉格朗日插值法：拉格朗日插值法是一种常用的插值方法，它通过一个多项式来逼近已知数据点的取值。

拉格朗日插值法的计算公式为：L(x) = Σ(yi * li(x))其中，yi为已知数据点的数值，li(x)为拉格朗日插值基函数，计算公式为：li(x) = Π((x - xj) / (xi - xj))，其中i ≠ j拉格朗日插值法的优点是简单易实现，但在数据点较多时计算量较大。

3.牛顿插值法：牛顿插值法是一种递推的插值方法，通过不断增加新的数据点来逼近已有的数据点。

牛顿插值法的计算公式为：P(x) = f[x0] + f[x0, x1](x - x0) + f[x0, x1, x2](x - x0)(x - x1) + ⋯ + f[x0, x1, ⋯, xn](x - x0)⋯(x - xn)其中，f[x0]为已知数据点的数值，f[x0,x1]为已知数据点间的差商，计算公式为：f[x0,x1]=(f[x1]-f[x0])/(x1-x0)牛顿插值法的优点是计算效率高，但在增加新的数据点时需要重新计算差商。

4.样条插值法：样条插值法是一种光滑的插值方法，通过拟合一个或多个插值函数来逼近已有的数据点。

S(x) = Si(x)，其中xi ≤ x ≤ xi+1Si(x) = ai + bi(x - xi) + ci(x - xi)2 + di(x - xi)3样条插值法的优点是插值函数的曲线平滑，可以更好地逼近原始数据，但需要寻找合适的节点和插值函数。

插值法计算GB50300-2013中有插值法计算，很多人不太熟悉插值法的计算，先列于此，供大家参考。

表D.O.1-1和表D.0.1-2给出的样本容量不连续，对合格判定细数需要进行取整处理。

例如样本容量为15，按表D.O.1-1插值得出的合格判定系数为3.571，四舍五入取整可得合格判定数为4，不合格判定数为5。

举例：已知：两个人吃4个包子，四个人吃8个包子，那3个人吃几个包子呢? 口算也知道6个，因为成比例。

那么成比例的算式，能否用插值法计算呢，当然可以。

按上式为例“即：x2= ⊿x 4y4= ⊿y 8z 3= ⊿z?根据插值法公式：⊿ⅹ- ⊿Z /ⅹ-Z= ⊿Z- ⊿Y /Z-Y把数据代入公示：4 - ⅹ/ 2-3=? - 8 / 3 - 4解：4- ⅹ/-1= ？-8/-1;(代入后？为ⅹ)1 去分母：4- ⅹ/-1=?-8/-1 得4- ⅹ= ⅹ-82 移去左边ⅹ：得4 =2 ⅹ-8 ;3 移去右边8：得12=2 ⅹ;ⅹ=12/2=6如果说13个能分到3个包子，20个人能分到5个包子，那18个人能分到几个，口算就吃力了，就需要公式⊿ⅹ- ⊿Z /ⅹ-Z= ⊿Z- ⊿Y /Z-Y计算了。

❖插值法计算过程：❖已知13=3，20=5，求15=？❖根据公式⊿ⅹ- ⊿z /ⅹ-z= ⊿z- ⊿y /z-y。

❖设：ⅹ13= ⊿ⅹ3❖y 20=⊿y 5❖z 15=⊿z ⅹ❖将数据带入公式;得 3 -ⅹ/13-15=ⅹ-5/15-20 计算过程为：❖ 1 算分母：3 -ⅹ/ -2 =ⅹ-5/ -5 2 去分母-2：3 -ⅹ=2ⅹ-10/5❖ 3 去分母5：15-5ⅹ=2ⅹ-10 4 移5ⅹ：15 =7ⅹ-10❖ 5 去-10：25=7ⅹ❖ 6 得ⅹ=25/7=3.571 四舍五入得4。

合格判定数为4，不合格判定数为5.在实际应用中，还可以用更简便的方法来速算。

以上表为例，已知32个样本的合格判定数为7，50个样本的合格判定数为10，求40的合格判定数为多少？用10–7=3，50–32=18，3÷18=1.1667，（40–32）×0.1667=1.3336,四舍五入是1，7+1=8，40的合格判定数是8，9就为合格。

插值法计算方法举例插值法是一种用来通过已知数据点的近似值来推测未知数据点的方法。

它通常用于数据的平滑和预测，尤其在缺少数据或数据不完整的情况下。

以下是一些插值法的具体计算方法举例：1. 线性插值法（Linear Interpolation）：线性插值法是最简单的插值方法之一、假设我们有两个已知数据点(x1, y1)和(x2, y2)，要推测处于两个数据点之间的未知点(x, y)。

线性插值法通过使用已知点之间的线性关系来计算未知点的值。

具体公式为：y=y1+(x-x1)*((y2-y1)/(x2-x1))2. 多项式插值法（Polynomial Interpolation）：多项式插值法通过使用一个低次数的多项式函数来逼近已知数据点，并预测未知数据点。

常见的多项式插值方法包括拉格朗日插值和牛顿插值。

其中，拉格朗日插值使用一个n次多项式来逼近n个已知点，而牛顿插值使用差商（divided differences）和差商表来逼近已知点。

具体公式为：P(x) = a0 + a1 * (x - x1) + a2 * (x - x1) * (x - x2) + ... + an * (x - x1) * (x - x2) * ... * (x - xn-1)3. 样条插值法（Spline Interpolation）：样条插值法是一种更复杂的插值方法，它通过拟合已知数据点之间的线段和曲线，来推测未知数据点。

常见的样条插值方法包括线性样条插值、二次样条插值和三次样条插值。

样条插值法具有良好的平滑性和曲线性质，通常在连续数据的插值和平滑方面效果更好。

具体公式为：S(x) = Si(x)，其中x属于[xi, xi+1]，Si(x)是第i段（i = 1, 2, ..., n-1）中的插值函数。

4. 逆距离加权插值法（Inverse Distance Weighting, IDW）：逆距离加权插值法是一种基于距离的插值方法，通过使用已知数据点的权重来推测未知数据点。

插值法举例说明第一篇嗨呀，亲爱的小伙伴们！今天咱们来聊聊插值法，这可是个很有趣的东西哟！比如说，咱们想象一下，你知道了几个点的数值，就像你有三个好朋友，他们的身高分别是 150cm、160cm 和 170cm。

但是呢，你特别想知道身高在 155cm 左右的人大概是啥情况。

这时候插值法就派上用场啦！咱们假设这几个点是在一条直线上，那通过简单的计算就能估计出 155cm 对应的情况。

比如说，咱们可以算一下相邻两个点之间的差距，然后根据这个差距来推测 155cm 时的情况。

再比如说，你在做实验的时候，记录了不同时间点的温度。

但你想知道中间某个时间点的温度大概是多少，这也能用插值法哟！想象一下，你 1 点的时候温度是 20 度，2 点的时候温度是 25 度，那 1 点半的时候温度大概是多少呢？咱们就可以用插值法来算算。

插值法就像是在这些已知的点之间搭起了一座小桥，让我们能猜到那些不知道的地方大概是啥样。

是不是很神奇呀？好啦，今天就先说到这儿，下次咱们再一起探索更多有趣的数学知识！第二篇嘿，朋友们！咱们又见面啦，今天来好好讲讲插值法。

你看啊，比如说你在做市场调查，知道了几个月的销售额，像 1 月是 1 万，2 月是 2 万，3 月是 3 万。

那要是你想知道 1 月半的时候销售额大概是多少呢？这时候插值法就能帮忙啦！我们可以把这几个月的销售额当成是在一条线上的点，然后通过计算它们之间的变化趋势来推测 1 月半的情况。

就好像是在这些点之间连起了一条线，然后在中间找我们想要的那个值。

再举个例子，你在研究股票的价格，知道了某几天的收盘价，想猜猜中间某一天的价格，插值法就可以登场咯！总之呢，插值法就像是个神奇的小工具，能在我们只有部分数据的时候，帮我们估计出那些没直接告诉我们的值。

是不是很厉害呀？好啦，今天关于插值法就聊到这儿，咱们下次见哟！。

数值分析常用的插值方法数值分析中常用的插值方法有线性插值、拉格朗日插值、分段线性插值、Newton插值、Hermite插值、样条插值等。

下面将对这些插值方法进行详细介绍。

一、线性插值（linear interpolation）线性插值是最简单的插值方法之一、假设已知函数在两个点上的函数值，通过这两个点之间的直线来估计中间点的函数值。

线性插值公式为：f(x)=f(x0)+(x-x0)*(f(x1)-f(x0))/(x1-x0)其中，f(x)表示要求的插值点的函数值，f(x0)和f(x1)是已知的两个点上的函数值，x0和x1是已知的两个点的横坐标。

二、拉格朗日插值（Lagrange interpolation）拉格朗日插值是一种基于多项式的插值方法。

它通过多个已知点的函数值构造一个多项式，并利用这个多项式来估计其他点的函数值。

拉格朗日插值多项式的一般形式为：f(x) = Σ[f(xi) * Li(x)] (i=0,1,2,...,n)其中，f(x)表示要求的插值点的函数值，f(xi)是已知的多个点的函数值，Li(x)是拉格朗日基函数。

拉格朗日基函数的表达式为：Li(x) = Π[(x-xj)/(xi-xj)] (i≠j，i,j=0,1,2,...,n)三、分段线性插值（piecewise linear interpolation）分段线性插值是一种逐段线性近似函数的方法。

通过将整个插值区间分成多个小段，在每个小段上使用线性插值来估计函数的值。

分段线性插值的过程分为两步：首先确定要插值的点所在的小段，在小段上进行线性插值来估计函数值。

四、Newton插值（Newton interpolation）Newton插值也是一种基于多项式的插值方法。

利用差商的概念来构造插值多项式。

Newton插值多项式的一般形式为：f(x)=f(x0)+(x-x0)*f[x0,x1]+(x-x0)*(x-x1)*f[x0,x1,x2]+...其中，f(x)表示要求的插值点的函数值，f(x0)是已知的一个点的函数值，f[xi,xi+1,...,xi+k]是k阶差商。

插值法计算实际利率 20×0年1月1日，XYZ公司支付价款l 000元（含交易费用）从活跃市场上购入某公司5年期债券，面值1 250元，票面利率4.72%，按年支付利息（即每年59元），本金最后一次支付。

合同约定，该债券的发行方在遇到特定情况时可以将债券赎回，且不需要为提前赎回支付额外款项。

XYZ公司在购买该债券时，预计发行方不会提前赎回。

XYZ公司将购入的该公司债券划分为持有至到期投资，且不考虑所得税、减值损失等因素。

XYZ公司在初始确认时首先应计算确定该债券的实际利率，设该债券的实际利率为r，则可列出如下等式：59×（1＋r）－1＋59×（1＋r）－2＋59×（1＋r）－3＋59×（1＋r）－4＋（59＋1250）×（1＋r）－5＝1000（元）（1）上式变形为：59×（1＋r）－1＋59×（1＋r）－2＋59×（1＋r）－3＋59×（1＋r）－4＋59×（1＋r）－5＋1250×（1＋r）－5＝1000（元）（2）2式写作：59×（P/A，r，5）＋1250×（P/F，r，5）=1000 （3）（P/A，r，5）是利率为r，期限为5的年金现值系数；（P/F，r，5）是利率为r，期限为5的复利现值系数。

现值系数可通过查表求得。

当r=9%时，(P/A，9%，5)=3.8897，（P/F，9%，5)=0.6499 代入3式得到59×3.8897+1250×0.6499＝229.4923+812.375＝1041.8673＞1 000当r=12%时，(P/A，12%，5)=3.6048，（P/F，12%，5)=0.5674代入3式得到59×3.6048+1250×0.5674＝212.6832+709.25＝921.9332＜1000采用插值法，计算r 按比例法原理：1041.8673 9%1000.0000 r921.9332 12%(1041.8673-1000)/(1041.8673-921.9332)=(9%-r)/(9%-12%) 解之得，r=10%。