Qu'est-ce que l'extrapolation linéaire ?
L'extrapolation linéaire permet d'estimer une valeur inconnue située en dehors de la plage de vos données connues, en prolongeant la droite définie par deux points. Si vous connaissez deux points, \((x_1, y_1)\) et \((x_2, y_2)\), vous pouvez projeter la tendance vers l'avant (ou vers l'arrière) afin de trouver y pour n'importe quelle valeur de x choisie. Ce calculateur le fait instantanément et vous indique également la pente de la droite.
Comment utiliser ce calculateur
Saisissez les coordonnées de vos deux points connus — \(x_1, y_1\) et \(x_2, y_2\) — puis indiquez la valeur de x pour laquelle vous souhaitez estimer y. Lancez le calcul et vous obtiendrez la valeur extrapolée de y ainsi que la pente de la droite de tendance. Le même outil fonctionne aussi pour l'interpolation (un x situé entre les deux points), mais il se révèle surtout utile pour faire des projections au-delà de vos données.
La formule expliquée
La droite passant par deux points a pour pente \(m = (y_2 - y_1) / (x_2 - x_1)\). En partant du premier point, la valeur de y pour n'importe quel x s'écrit :
$$y = y_1 + \left(x - x_1\right) \cdot \frac{y_2 - y_1}{x_2 - x_1}$$
Le terme \((x - x_1)\) représente la distance parcourue sur l'axe des x à partir du premier point ; en le multipliant par la pente, on obtient la variation de y sur cette distance.
Exemple concret
Supposons que les ventes aient atteint 2 unités la semaine 1 (\(x_1 = 1\), \(y_1 = 2\)) et 6 unités la semaine 3 (\(x_2 = 3\), \(y_2 = 6\)). La pente est $$\frac{6 - 2}{3 - 1} = \frac{4}{2} = 2 \text{ unités par semaine}.$$ Pour prédire la semaine 5 (\(x = 5\)) : $$y = 2 + (5 - 1) \cdot 2 = 2 + 8 = \textbf{10 unités}.$$
Interpréter votre résultat extrapolé
La calculatrice trace une droite passant par vos deux points connus \((x_1, y_1)\) et \((x_2, y_2)\) et la prolonge jusqu'à la valeur x que vous saisissez. La pente de cette droite, \(m = \frac{ y_2 - y_1}{x_2 - x_1}\), indique comment lire la prédiction :
- Pente positive : y augmente lorsque x augmente, donc extrapoler vers un x plus grand donne un y plus grand que vos points connus.
- Pente négative : y diminue lorsque x augmente, donc extrapoler vers un x plus grand donne un y plus petit.
- Pente nulle : \(y_1 = y_2\), donc y est constant et le y prédit est égal à cette même valeur quel que soit x.
Exemple : avec les points (2, 10) et (4, 18), la pente vaut \(\frac{18 - 10}{4 - 2} = 4\), donc pour x = 6 la droite donne \(y = 10 + (6 - 2)\cdot 4 = 26\).
Quand le résultat peut être considéré comme fiable
- La relation doit être réellement linéaire. La formule suppose un taux de variation constant. Si la relation réelle n'est pas une droite, le résultat n'est qu'une indication approximative.
- La fiabilité diminue avec la distance. Plus x se situe loin au-delà de vos deux points connus, plus le moindre écart par rapport à la linéarité, ou toute erreur de mesure dans les données, est amplifié.
- Deux points ne peuvent pas révéler une courbure. Deux points quelconques peuvent être reliés par une droite, donc les données elles-mêmes ne signalent rien si la tendance réelle est courbe. Des points de données supplémentaires ou la connaissance du processus sous-jacent sont nécessaires pour vérifier la linéarité.
Attention aux valeurs invraisemblables
Prolonger une droite très loin peut produire des résultats impossibles, tels que des quantités, des populations, des prix ou des longueurs négatifs, ou des pourcentages supérieurs à 100 %. Si la réponse n'a pas de sens physique ou pratique, l'hypothèse linéaire s'est probablement effondrée à ce x.
Quand utiliser un autre modèle
La croissance ou la décroissance exponentielle (par exemple la capitalisation des intérêts ou la désintégration radioactive), la croissance logistique qui se stabilise à une limite, ainsi que les données saisonnières ou cycliques nécessitent des modèles différents. Une droite passant par deux points induira généralement en erreur pour ces schémas, surtout lorsqu'on extrapole bien au-delà de la plage observée.
FAQ
Quelle est la différence entre interpolation et extrapolation ? L'interpolation estime une valeur à l'intérieur de la plage connue ; l'extrapolation la projette au-delà. Les calculs sont identiques, mais l'extrapolation comporte une plus grande incertitude.
Pourquoi l'extrapolation est-elle risquée ? Elle suppose que la tendance linéaire se poursuit sans changement. Or, les données réelles s'incurvent ou évoluent souvent : les valeurs très éloignées de votre plage peuvent donc s'avérer peu fiables.
\(x_1\) peut-il être égal à \(x_2\) ? Non : une droite verticale a une pente indéfinie. Les deux valeurs de x doivent donc être différentes pour que le calcul soit valable.