Zanimljivo

Razlika između ekstrapolacije i interpolacije

Razlika između ekstrapolacije i interpolacije

I ekstrapolacija i interpolacija koriste se za procjenu hipotetičkih vrijednosti za varijablu na temelju drugih opažanja. Postoje različite metode interpolacije i ekstrapolacije zasnovane na ukupnom trendu koji se opaža u podacima. Ove dvije metode imaju imena koja su vrlo slična. Istražit ćemo razlike među njima.

Prefiksi

Da bismo otkrili razliku između ekstrapolacije i interpolacije, moramo pogledati prefikse „extra“ i „inter“. Prefiks „extra“ znači „izvan“ ili „pored“. Prefiks „inter“ znači „između“ ili „među“. Samo poznavanje ovih značenja (od njihovih izvornika na latinskom) ide dug put da se razlikuju dvije metode.

Podešavanje

Za obje metode pretpostavljamo nekoliko stvari. Identificirali smo nezavisnu i ovisnu varijablu. Kroz uzorkovanje ili prikupljanje podataka, imamo niz parova tih varijabli. Također pretpostavljamo da smo formulirali model za naše podatke. Ovo može biti najmanje kvadratna linija koja se najbolje uklapa, ili to može biti neka druga vrsta krivulje koja približava naše podatke. U svakom slučaju, imamo funkciju koja povezuje nezavisnu varijablu sa zavisnom varijablom.

Cilj nije samo model radi sebe, već obično želimo da koristimo svoj model za predviđanje. Tačnije, s obzirom na neovisnu varijablu, kakva će biti predviđena vrijednost odgovarajuće ovisne varijable? Vrijednost koju unosimo za našu nezavisnu varijablu određivat ćemo radimo li s ekstrapolacijom ili interpolacijom.

Interpolacija

Mogli bismo koristiti našu funkciju da predvidimo vrijednost ovisne varijable za nezavisnu varijablu koja je usred naših podataka. U ovom slučaju provodimo interpolaciju.

Pretpostavimo da su podaci sa x između 0 i 10 koristi se za stvaranje regresijske linije y = 2x + 5. Možemo koristiti ovu liniju koja najbolje odgovara za procjenu vrijednosti y vrijednost koja odgovara x = 6. Jednostavno priključite ovu vrijednost u našu jednadžbu i to vidimo y = 2 (6) + 5 = 17. Jer naša x Vrijednost je među rasponima vrijednosti koji se koriste da bi se linija najbolje uklopila, ovo je primjer interpolacije.

Ekstrapolacija

Mogli bismo koristiti našu funkciju da predvidimo vrijednost zavisne varijable za nezavisnu varijablu koja je izvan raspona naših podataka. U ovom slučaju izvodimo ekstrapolaciju.

Pretpostavimo kao prije tih podataka sa x između 0 i 10 koristi se za stvaranje regresijske linije y = 2x + 5. Možemo koristiti ovu liniju koja najbolje odgovara za procjenu vrijednosti y vrijednost koja odgovara x = 20. Jednostavno priključite ovu vrijednost u našu jednadžbu i to vidimo y = 2 (20) + 5 = 45. Jer naša x vrijednost nije među rasponima vrijednosti koji se koriste kako bi se linija najbolje uklopila, ovo je primjer ekstrapolacije.

Oprez

Od dvije metode preferira se interpolacija. To je zato što imamo veću vjerojatnost za dobivanje valjane procjene. Kada koristimo ekstrapolaciju, pretpostavljamo da se naš uočeni trend nastavlja za vrijednosti od x izvan raspona koji smo koristili za oblikovanje našeg modela. To možda nije slučaj, i zato moramo biti veoma oprezni pri korištenju tehnika ekstrapolacije.


Video, Sitemap-Video, Sitemap-Videos