선형 외삽이란?
선형 외삽(linear extrapolation)은 두 점이 만드는 직선을 연장하여, 알고 있는 데이터 범위 밖에 있는 값을 추정하는 방법입니다. 두 점 \((x_1, y_1)\)과 \((x_2, y_2)\)를 알고 있다면, 그 추세를 앞으로(또는 뒤로) 늘려 원하는 어떤 x에서의 y값이든 예측할 수 있습니다. 이 계산기는 그 값을 즉시 구해 주며, 직선의 기울기까지 함께 알려줍니다.
계산기 사용 방법
알고 있는 두 점의 좌표 — \(x_1, y_1\) 그리고 \(x_2, y_2\) — 를 입력한 뒤, y값을 추정하고 싶은 x값을 입력하세요. 계산 버튼을 누르면 외삽된 y값과 추세선의 기울기가 나타납니다. 이 도구는 두 점 사이의 x값을 구하는 내삽(보간)에도 그대로 쓸 수 있지만, 데이터 범위를 넘어선 예측에 가장 유용합니다.
공식 이해하기
두 점을 지나는 직선의 기울기는 \(m = (y_2 - y_1) / (x_2 - x_1)\) 입니다. 첫 번째 점에서 출발하면, 임의의 x에서의 y값은 다음과 같습니다.
$$y = y_1 + \left(x - x_1\right) \cdot \frac{y_2 - y_1}{x_2 - x_1}$$
여기서 \((x - x_1)\)은 첫 번째 점으로부터 x축을 따라 얼마나 이동했는지를 나타내며, 여기에 기울기를 곱하면 그 거리만큼 y가 얼마나 변하는지를 알 수 있습니다.
예제로 풀어 보기
예를 들어 1주차에 판매량이 2개(\(x_1=1, y_1=2\)), 3주차에 6개(\(x_2=3, y_2=6\))였다고 가정해 봅시다. 기울기는 $$(6 - 2)/(3 - 1) = 4/2 = 2$$ 주당 2개입니다. 5주차(\(x=5\))를 예측하려면: $$y = 2 + (5 - 1)\cdot 2 = 2 + 8 = 10$$ 10개가 됩니다.
외삽 결과 해석하기
계산기는 알고 있는 두 점 \((x_1, y_1)\)과 \((x_2, y_2)\)을 지나는 직선을 그리고, 입력한 x 값까지 그 직선을 연장합니다. 이 직선의 기울기 \(m = \frac{ y_2 - y_1}{x_2 - x_1}\)는 예측값을 어떻게 읽어야 할지 알려 줍니다:
- 양의 기울기: x가 커질수록 y도 커지므로, x를 더 크게 외삽하면 알고 있는 점들보다 더 큰 y 값이 나옵니다.
- 음의 기울기: x가 커질수록 y는 작아지므로, x를 더 크게 외삽하면 더 작은 y 값이 나옵니다.
- 기울기가 0: \(y_1 = y_2\)이므로 y는 일정하며, 모든 x에 대해 예측된 y는 같은 값이 됩니다.
예: 두 점 (2, 10)과 (4, 18)이 주어지면 기울기는 \(\frac{18 - 10}{4 - 2} = 4\)이고, x = 6에서 직선은 \(y = 10 + (6 - 2)\cdot 4 = 26\)을 줍니다.
결과를 신뢰할 수 있는 경우
- 관계가 실제로 선형이어야 합니다. 이 공식은 변화율이 일정하다고 가정합니다. 실제 관계가 직선이 아니라면 결과는 대략적인 참고값에 그칩니다.
- 거리가 멀어질수록 신뢰도가 떨어집니다. x가 알고 있는 두 점에서 멀리 떨어질수록, 선형성에서 벗어나는 작은 편차나 입력값의 측정 오차가 더 크게 확대됩니다.
- 두 점으로는 곡률을 알 수 없습니다. 두 점은 항상 직선으로 이을 수 있으므로, 실제 추세가 곡선이더라도 데이터 자체는 이를 경고하지 않습니다. 선형성을 확인하려면 추가 데이터 점이나 기저 과정에 대한 지식이 필요합니다.
비현실적인 값에 주의하세요
직선을 멀리 연장하면 음의 수량, 인구, 가격, 길이 같은 불가능한 결과나 100%를 넘는 백분율이 나올 수 있습니다. 답이 물리적으로나 실질적으로 말이 되지 않는다면, 해당 x 지점에서는 선형 가정이 이미 깨졌을 가능성이 높습니다.
다른 모델을 사용해야 할 때
지수적 증가 또는 감소(예: 복리 또는 방사성 붕괴), 한계값에서 평탄해지는 로지스틱 성장, 계절성 또는 주기성 데이터는 모두 다른 모델이 필요합니다. 두 점을 지나는 직선은 이런 패턴에서 흔히 잘못된 예측을 하게 되며, 특히 관측 범위를 크게 벗어나 외삽할 때 그렇습니다.
자주 묻는 질문
내삽(보간)과 외삽의 차이는 무엇인가요? 내삽은 알고 있는 범위 안의 값을 추정하고, 외삽은 그 범위 밖으로 추세를 연장합니다. 수학적 계산은 동일하지만, 외삽은 불확실성이 더 큽니다.
외삽이 위험한 이유는 무엇인가요? 외삽은 직선 추세가 변하지 않고 그대로 이어진다고 가정합니다. 하지만 실제 데이터는 곡선을 그리거나 흐름이 바뀌는 경우가 많아, 범위에서 멀리 떨어진 값일수록 신뢰도가 떨어질 수 있습니다.
x₁과 x₂가 같아도 되나요? 안 됩니다. 수직선은 기울기가 정의되지 않으므로, 올바른 계산을 위해서는 두 x값이 서로 달라야 합니다.