Vi kunne bruge vores funktion til at forudsige værdien af den afhængige variabel for en uafhængig variabel, der ligger uden for vores dataområde. I dette tilfælde udfører vi ekstrapolering. Antag som før, at data med x mellem 0 og 10 bruges til at producere en regressionslinje y=2x + 5.
Hvorfor bruger vi ekstrapolation?
Ekstrapolering er processen med at finde en værdi uden for et datasæt. Det kan endda siges, at det hjælper med at forudsige fremtiden! … Dette værktøj er ikke kun nyttigt i statistik, men også nyttigt i videnskab, forretning, og når som helst der er behov for at forudsige værdier i fremtiden ud over det interval, vi har målt.
Hvor kan vi bruge ekstrapolation?
Ekstrapolering bruges i mange videnskabelige områder, som i kemi og teknik, hvor ekstrapolering ofte er nødvendig. Hvis du f.eks. kender de aktuelle spændinger for et bestemt system, kan du ekstrapolere disse data for at forudsige, hvordan systemet kan reagere på højere spændinger.
Hvornår kan vi ekstrapolere data?
10.7.
Ekstrapolering ud over det relevante interval er når værdier af Y estimeres uden for X-dataens område. Hvis de uobserverede data (data uden for X-dataens rækkevidde) er ikke-lineære, kan estimaterne af Y ligge væsentligt uden for konfidensintervallet for de estimerede Y-værdier.
Hvorfor bruger vi ekstrapolation og interpolation?
Interpolation bruges til at forudsigeværdier, der findes i et datasæt, og ekstrapolation bruges til at forudsige værdier, der falder uden for et datasæt, og bruge kendte værdier til at forudsige ukendte værdier. Ofte er interpolation mere pålidelig end ekstrapolation, men begge typer forudsigelser kan være værdifulde til forskellige formål.
