Võime kasutada funktsiooni, et ennustada sõltuva muutuja väärtust sõltumatule muutujale, mis jääb väljaspool meie andmete vahemikku. Sel juhul teostame ekstrapolatsiooni. Oletame nagu varemgi, et andmeid, mille x on vahemikus 0 kuni 10, kasutatakse regressioonijoone y=2x + 5 saamiseks.
Miks me kasutame ekstrapoleerimist?
Ekstrapoleerimine on andmekogumi välise väärtuse leidmise protsess. Võiks isegi öelda, et see aitab tulevikku ennustada! … See tööriist pole kasulik mitte ainult statistikas, vaid ka teaduses, äris ja igal ajal, kui on vaja ennustada tulevikus väärtusi, mis jäävad meie mõõdetud vahemikku kaugemale.
Kus saame ekstrapoleerimist kasutada?
Ekstrapoleerimist kasutatakse paljudes teadusvaldkondades, näiteks keemias ja tehnikas, kus ekstrapoleerimine on sageli vajalik. Näiteks kui teate konkreetse süsteemi voolupingeid, saate need andmed ekstrapoleerida, et ennustada, kuidas süsteem võib reageerida kõrgematele pingetele.
Millal saame andmeid ekstrapoleerida?
10.7.
Ekstrapoleerimine väljaspool asjakohast vahemikku on kui Y väärtused on hinnanguliselt väljaspool X-andmete vahemikku. Kui jälgimata andmed (andmed väljaspool X-andmete vahemikku) on mittelineaarsed, võivad Y hinnangud olla oluliselt väljaspool hinnanguliste Y väärtuste usaldusvahemikku.
Miks me kasutame ekstrapoleerimist ja interpoleerimist?
Ennustamiseks kasutatakse interpolatsiooniväärtusi, mis eksisteerivad andmekogumis, ja ekstrapoleerimist kasutatakse väärtuste ennustamiseks, mis jäävad andmekogumist välja, ja kasutatakse teadaolevaid väärtusi tundmatute väärtuste ennustamiseks. Sageli on interpoleerimine usaldusväärsem kui ekstrapoleerimine, kuid mõlemat tüüpi ennustused võivad olla väärtuslikud erinevatel eesmärkidel.
