Что такое линейная экстраполяция?
Линейная экстраполяция позволяет оценить неизвестное значение, которое лежит за пределами диапазона ваших известных данных, продлевая прямую линию, проходящую через две точки. Зная две точки — \((\text{x}_1, \text{y}_1)\) и \((\text{x}_2, \text{y}_2)\) — вы можете продолжить тренд вперёд (или назад) и найти y при любом выбранном x. Этот калькулятор делает расчёт мгновенно и заодно показывает угловой коэффициент (наклон) прямой.
Как пользоваться калькулятором
Введите координаты двух известных точек — \(\text{x}_1, \text{y}_1\) и \(\text{x}_2, \text{y}_2\) — а затем укажите значение x, для которого хотите оценить y. Нажмите «Рассчитать», и вы получите экстраполированное значение y, а также угловой коэффициент линии тренда. Тот же инструмент подходит и для интерполяции (когда x лежит между точками), но особенно полезен именно для прогноза за пределами имеющихся данных.
Разбор формулы
Прямая, проходящая через две точки, имеет угловой коэффициент \(m = \frac{\text{y}_2 - \text{y}_1}{\text{x}_2 - \text{x}_1}\). Отталкиваясь от первой точки, значение y при любом x вычисляется так:
$$y = \text{y}_1 + \left(\text{x} - \text{x}_1\right) \cdot \frac{\text{y}_2 - \text{y}_1}{\text{x}_2 - \text{x}_1}$$
Множитель \((\text{x} - \text{x}_1)\) показывает, насколько далеко вы продвинулись вдоль оси x от первой точки, а умножение на угловой коэффициент говорит, насколько при этом изменится y.
Пример расчёта
Допустим, продажи составили 2 единицы в первую неделю (\(\text{x}_1=1, \text{y}_1=2\)) и 6 единиц в третью неделю (\(\text{x}_2=3, \text{y}_2=6\)). Угловой коэффициент равен $$\frac{6 - 2}{3 - 1} = \frac{4}{2} = 2$$ единицы в неделю. Чтобы спрогнозировать пятую неделю (\(x=5\)): $$y = 2 + (5 - 1)\cdot 2 = 2 + 8 = \textbf{10 единиц}.$$
Частые вопросы
Чем интерполяция отличается от экстраполяции? Интерполяция оценивает значение внутри известного диапазона, а экстраполяция — за его пределами. Математика здесь одна и та же, но у экстраполяции выше степень неопределённости.
Почему экстраполяция рискованна? Она предполагает, что линейный тренд сохраняется без изменений. В реальной жизни данные часто искривляются или меняют направление, поэтому значения далеко за пределами диапазона могут оказаться ненадёжными.
Может ли \(\text{x}_1\) быть равным \(\text{x}_2\)? Нет — у вертикальной линии угловой коэффициент не определён, поэтому для корректного расчёта значения x должны различаться.
Интерпретация результата экстраполяции
Калькулятор проводит прямую линию через две известные точки \((x_1, y_1)\) и \((x_2, y_2)\) и продлевает её до введённого вами значения x. Наклон этой прямой, \(m = \frac{ y_2 - y_1}{x_2 - x_1}\), показывает, как читать прогноз:
- Положительный наклон: y растёт при увеличении x, поэтому экстраполяция к большему x даёт большее y, чем в ваших известных точках.
- Отрицательный наклон: y убывает при увеличении x, поэтому экстраполяция к большему x даёт меньшее y.
- Нулевой наклон: \(y_1 = y_2\), значит, y постоянно, и прогнозируемое y равно этому же значению при любом x.
Пример: для точек (2, 10) и (4, 18) наклон равен \(\frac{18 - 10}{4 - 2} = 4\), поэтому при x = 6 прямая даёт \(y = 10 + (6 - 2)\cdot 4 = 26\).
Когда результату можно доверять
- Зависимость должна быть действительно линейной. Формула предполагает постоянную скорость изменения. Если истинная зависимость не является прямой, результат — лишь приблизительная оценка.
- Надёжность падает с расстоянием. Чем дальше x находится за пределами двух известных точек, тем сильнее усиливается любое небольшое отклонение от линейности или любая погрешность измерений во входных данных.
- Две точки не могут выявить кривизну. Через любые две точки можно провести прямую, поэтому сами данные не предупреждают, если реальный тренд искривлён. Для проверки линейности нужны дополнительные точки данных или знание о процессе, который их порождает.
Следите за неправдоподобными значениями
Продление прямой far за пределы данных может дать невозможные результаты, например отрицательные количества, численности населения, цены или длины, либо проценты выше 100%. Если ответ не имеет физического или практического смысла, линейное допущение, вероятно, перестаёт работать при данном x.
Когда использовать другую модель
Экспоненциальный рост или распад (например, сложные проценты или радиоактивный распад), логистический рост, который выходит на предел, а также сезонные и циклические данные требуют других моделей. Прямая через две точки для таких закономерностей обычно вводит в заблуждение, особенно при экстраполяции далеко за пределы наблюдаемого диапазона.