Mēs varētu izmantot mūsu funkciju, lai prognozētu atkarīgā mainīgā vērtību neatkarīgam mainīgajam, kas ir ārpus mūsu datu diapazona. Šajā gadījumā mēs veicam ekstrapolāciju. Pieņemsim, ka dati ar x starp 0 un 10 tiek izmantoti, lai izveidotu regresijas taisni y=2x + 5.
Kāpēc mēs izmantojam ekstrapolāciju?
Ekstrapolācija ir vērtības atrašanas process ārpus datu kopas. Varētu pat teikt, ka tas palīdz paredzēt nākotni! … Šis rīks ir noderīgs ne tikai statistikā, bet arī zinātnē, uzņēmējdarbībā un jebkurā laikā, kad ir nepieciešams prognozēt vērtības nākotnē, kas pārsniedz mūsu izmērīto diapazonu.
Kur mēs varam izmantot ekstrapolāciju?
Ekstrapolāciju izmanto daudzās zinātnes jomās, piemēram, ķīmijā un inženierzinātnēs, kur bieži vien ir nepieciešama ekstrapolācija. Piemēram, ja zināt konkrētas sistēmas pašreizējos spriegumus, varat ekstrapolēt šos datus, lai prognozētu, kā sistēma varētu reaģēt uz augstākiem spriegumiem.
Kad mēs varam ekstrapolēt datus?
10.7.
Ekstrapolācija ārpus attiecīgā diapazona ir, kad Y vērtības tiek aplēstas ārpus X datu diapazona. Ja nenovērotie dati (dati ārpus X datu diapazona) ir nelineāri, Y aplēses var būt ievērojami ārpus aplēsto Y vērtību ticamības intervāla.
Kāpēc mēs izmantojam ekstrapolāciju un interpolāciju?
Interpolācija tiek izmantota, lai prognozētuvērtības, kas pastāv datu kopā, un ekstrapolācija tiek izmantota, lai prognozētu vērtības, kas neietilpst datu kopā, un izmantotu zināmās vērtības, lai prognozētu nezināmas vērtības. Bieži vien interpolācija ir ticamāka nekā ekstrapolācija, taču abi prognozēšanas veidi var būt vērtīgi dažādiem mērķiem.
