Rozdíl mezi extrapolací a interpolací

Extrapolace i interpolace se používají k odhadu hypotetických hodnot proměnné na základě jiných pozorování. Existuje celá řada interpolačních a extrapolačních metod založených na celkovém trendu pozorovaném v EU data. Tyto dvě metody mají názvy, které jsou velmi podobné. Prozkoumáme rozdíly mezi nimi.

Abychom zjistili rozdíl mezi extrapolací a interpolací, musíme se podívat na předpony „extra“ a „inter“. Předpona „extra“ znamená „mimo“ nebo „vedle“. Předpona „inter“ znamená „mezi“ nebo „mezi“. Jen znát tyto významy (z jejich originálů v latinský) jde o dlouhou cestu k rozlišení těchto dvou metod.

U obou metod předpokládáme několik věcí. Identifikovali jsme nezávislou proměnnou a závislou proměnnou. Přes vzorkování nebo sbírku dat, máme několik párování těchto proměnných. Předpokládáme také, že jsme pro naše data vytvořili model. To může být linka nejmenších čtverců nejvhodnější, nebo to může být nějaký jiný typ křivky, která se blíží našim datům. V každém případě máme funkci, která spojuje nezávislou proměnnou se závislou proměnnou.

Cílem není jen model pro své vlastní účely, obvykle chceme náš model použít pro predikci. Přesněji řečeno, jaká bude predikovaná hodnota odpovídající závislé proměnné při dané nezávislé proměnné? Hodnota, kterou zadáme pro naši nezávislou proměnnou, určí, zda pracujeme s extrapolací nebo interpolací.

Pomocí této funkce bychom mohli předpovědět hodnotu závislé proměnné pro nezávislou proměnnou, která je uprostřed našich dat. V tomto případě provádíme interpolaci.

Předpokládejme, že data s X mezi 0 a 10 se používá k výrobě a regresní liniey = 2X + 5. Můžeme použít tento řádek, který nejlépe odpovídá odhadu y hodnota odpovídající X = 6. Jednoduše zapojte tuto hodnotu do naší rovnice a my to vidíme y = 2(6) + 5 =17. Protože naše X hodnota je mezi rozsahem hodnot použitých k tomu, aby se linie nejlépe hodila, jedná se o příklad interpolace.

Pomocí této funkce bychom mohli předpovědět hodnotu závislé proměnné pro nezávislou proměnnou, která je mimo rozsah našich dat. V tomto případě provádíme extrapolaci.

Předpokládejme, že jako dříve ta data s X mezi 0 a 10 se používá k vytvoření regresní linie y = 2X + 5. Můžeme použít tento řádek, který nejlépe odpovídá odhadu y hodnota odpovídající X = 20. Jednoduše zapojte tuto hodnotu do naší rovnice a my to vidíme y = 2(20) + 5 =45. Protože naše X hodnota nepatří do rozsahu hodnot použitých k tomu, aby se linie nejlépe hodila, jedná se o příklad extrapolace.

Z těchto dvou metod je výhodná interpolace. Je to proto, že máme větší pravděpodobnost získání platného odhadu. Když použijeme extrapolaci, předpokládáme, že náš pozorovaný trend pokračuje pro hodnoty X mimo rozsah, který jsme použili k vytvoření našeho modelu. To nemusí být tento případ, a proto musíme být při používání technik extrapolace velmi opatrní.