線形外挿とは?
線形外挿(リニア・エクストラポレーション)とは、既知のデータ範囲の外側にある未知の値を、2点が定める直線を延長して推定する方法です。2つの点 \((x_1, y_1)\) と \((x_2, y_2)\) がわかっていれば、その傾向を前方(あるいは後方)へ延ばし、任意のxに対するyを求められます。本ツールはこの計算を瞬時に行い、直線の傾きも合わせて表示します。
このツールの使い方
まず既知の2点の座標 — \(x_1, y_1\) と \(x_2, y_2\) — を入力し、続いてyを推定したいx値を入力します。計算ボタンを押すと、外挿で求めたy値と傾向線の傾きが表示されます。同じツールは内挿(2点の間にあるx)にも使えますが、本来の強みはデータ範囲の外側を予測することにあります。
計算式の解説
2点を通る直線の傾きは \(m = \dfrac{y_2 - y_1}{x_2 - x_1}\) で表されます。1点目を起点とすると、任意のxにおけるyの値は次のようになります。
$$y = y_1 + \left(x - x_1\right) \cdot \frac{y_2 - y_1}{x_2 - x_1}$$
\((x - x_1)\) は1点目からx軸方向にどれだけ進んだかを表し、これに傾きを掛けることで、その距離分だけyがどれだけ変化するかがわかります。
計算例
たとえば、1週目の売上が2個(\(x_1=1, y_1=2\))、3週目が6個(\(x_2=3, y_2=6\))だったとします。傾きは $$\frac{6 - 2}{3 - 1} = \frac{4}{2} = 2$$ で、週あたり2個です。5週目(\(x=5\))を予測すると、$$y = 2 + (5 - 1) \cdot 2 = 2 + 8 = 10$$ で10個となります。
補間・外挿結果の解釈
この計算機は、既知の2点 \((x_1, y_1)\) と \((x_2, y_2)\) を通る直線を描き、入力したx値までその直線を延長します。この直線の傾き \(m = \frac{ y_2 - y_1}{x_2 - x_1}\) は、予測値の読み方を示しています:
- 正の傾き: xが増えるとyも増えるため、より大きいxへ外挿すると既知の点よりも大きいyが得られます。
- 負の傾き: xが増えるとyは減るため、より大きいxへ外挿すると小さいyが得られます。
- 傾きゼロ: \(y_1 = y_2\) なので、yは一定であり、予測されるyはどのxに対しても同じ値になります。
例: 点 (2, 10) と (4, 18) の場合、傾きは \(\frac{18 - 10}{4 - 2} = 4\) となり、x = 6 では直線が \(y = 10 + (6 - 2)\cdot 4 = 26\) を与えます。
結果を信頼できる場合
- 関係が本当に線形でなければなりません。 この式は変化率が一定であることを前提としています。真の関係が直線でない場合、出力は大まかな目安にすぎません。
- 距離とともに信頼性は低下します。 xが既知の2点より遠くに位置するほど、線形からのわずかなずれや入力値の測定誤差が大きく拡大されます。
- 2点では曲率はわかりません。 どの2点も直線で結ぶことができるため、真の傾向が曲線であってもデータ自体はそのことを示しません。線形性を確認するには、追加のデータ点や基礎となるプロセスに関する知識が必要です。
非現実的な値に注意
直線を遠くまで延長すると、負の数量、人口、価格、長さなどの不可能な結果や、100%を超える割合が生じることがあります。答えが物理的または実用的に意味をなさない場合、そのxでは線形の仮定が崩れている可能性が高いです。
別のモデルを使うべき場合
指数関数的な増加や減少(例: 複利や放射性崩壊)、上限に向かって頭打ちになるロジスティック成長、季節性や周期性のあるデータには、それぞれ異なるモデルが必要です。特に観測範囲を大きく外れて外挿する場合、2点を通る直線はこれらのパターンに対して通常誤解を招きます。
よくある質問
内挿と外挿の違いは? 内挿は既知の範囲「内」で推定し、外挿は範囲の「外」へ延ばして予測します。計算式は同じですが、外挿のほうが不確実性が高くなります。
外挿はなぜリスクがあるの? 外挿は直線的な傾向がそのまま続くと仮定します。しかし現実のデータは曲線を描いたり途中で変化したりすることが多いため、範囲から大きく離れた値の信頼性は低くなりがちです。
\(x_1\)と\(x_2\)が同じ値でもいい? いいえ。垂直な直線は傾きが定義できないため、正しく計算するには2つのx値が異なっている必要があります。