線性外推計算器

線性外推計算器

領先 AI Skill PRO

輸入計算

數學公式

y=y1+(x−x1)·y2−y1x2−x1y = {{\text{y}_1}} + \left(\text{x} - {{\text{x}_1}}\right) \cdot \frac{{{\text{y}_2}} - {{\text{y}_1}}}{{{\text{x}_2}} - {{\text{x}_1}}}

計算範例

y=2+(5−1)·6−23−1=10y = 2 + \left(5 - 1\right) \cdot \frac{6 - 2}{3 - 1} = 10
使用統計

廣告

結果

外插值(y)
10
在 x 時 = 5
斜率 (y2−y1)/(x2−x1) 2

回報本頁錯誤

什麼是線性外推?

線性外推(Linear Extrapolation)是利用兩點所決定的直線,往外延伸,藉此估計落在已知資料範圍之外的未知數值。只要知道兩個點 \((x_1, y_1)\) 與 \((x_2, y_2)\),就能把這條趨勢線向前(或向後)延伸,求出任意 \(x\) 對應的 \(y\) 值。本計算器能即時完成運算,並一併顯示這條直線的斜率。

通過兩個已知點的直線延伸至資料範圍之外,以預測新的 y 值
線性外推將通過兩個已知點的直線延長,以預測已知範圍之外的 y 值。

計算器使用方式

先輸入兩個已知點的座標——\(x_1\)、\(y_1\) 與 \(x_2\)、\(y_2\)——接著填入你想推估 \(y\) 值的那個 \(x\)。按下計算後,畫面會顯示外推得到的 \(y\) 值,以及趨勢線的斜率。同一個工具也能用來做內插(\(x\) 落在兩點之間),不過它最大的用途,還是在於預測資料範圍以外的數值。

公式說明

通過兩點的直線,其斜率為 \(m = (y_2 - y_1) / (x_2 - x_1)\)。從第一個點出發,任意 \(x\) 對應的 \(y\) 值為:

$$y = \text{y}_1 + \left(\text{x} - \text{x}_1\right) \cdot \frac{\text{y}_2 - \text{y}_1}{\text{x}_2 - \text{x}_1}$$

其中 \((x - x_1)\) 代表從第一個點沿著 \(x\) 軸移動的距離,再乘上斜率,就能算出在這段距離內 \(y\) 的變化量。

廣告
直線上的直角三角形,顯示兩點之間的水平變化與垂直變化
斜率 \((y_2-y_1)/(x_2-x_1)\) 是兩個已知點之間的縱向變化與橫向變化之比。

實際範例

假設第 1 週的銷量是 2 個單位(\(x_1=1, y_1=2\)),第 3 週是 6 個單位(\(x_2=3, y_2=6\))。斜率為 $$\frac{6 - 2}{3 - 1} = \frac{4}{2} = 2 \text{(每週 2 個單位)}$$ 若要預測第 5 週(\(x=5\)):$$y = 2 + (5 - 1)\cdot 2 = 2 + 8 = 10 \text{ 個單位}$$

廣告

解讀你的外推結果

計算機會通過你已知的兩個點 \((x_1, y_1)\) 和 \((x_2, y_2)\) 畫一條直線,並將其延伸到你輸入的 x 值。該直線的斜率 \(m = \frac{ y_2 - y_1}{x_2 - x_1}\) 告訴你如何解讀這個預測結果:

  • 正斜率:y 隨 x 增加而上升,因此外推到較大的 x 會得到比你已知點更大的 y。
  • 負斜率:y 隨 x 增加而下降,因此外推到較大的 x 會得到較小的 y。
  • 零斜率:\(y_1 = y_2\),所以 y 是常數,對於每個 x,預測的 y 都等於同一個值。

例子:以點 (2, 10) 和 (4, 18) 為例,斜率為 \(\frac{18 - 10}{4 - 2} = 4\),因此在 x = 6 時,直線給出 \(y = 10 + (6 - 2)\cdot 4 = 26\)。

何時結果可以信賴

  • 關係必須確實是線性的。此公式假設變化率是恆定的。如果真實關係不是直線,輸出結果只能作為粗略的參考。
  • 距離越遠,可靠性越低。x 超出你兩個已知點的範圍越遠,任何偏離線性的微小變化,或輸入值中的任何測量誤差,都會被放大。
  • 兩個點無法揭示曲率。任何兩個點都可以用一條直線連接,因此如果真實趨勢是彎曲的,數據本身不會給出任何警示。需要更多數據點或對底層過程的了解,才能檢驗線性。

留意不合理的數值

將直線延伸得很遠可能會得出不可能的結果,例如負數的數量、人口、價格或長度,或超過 100% 的百分比。如果答案在物理或實際上說不通,那麼線性假設在該 x 處很可能已經失效。

何時使用其他模型

指數增長或衰減(例如複利或放射性衰變)、趨於某極限而趨於平穩的邏輯斯諦增長,以及季節性或週期性數據,都需要不同的模型。通過兩個點的直線對於這些模式通常會產生誤導,尤其是在大幅超出觀測範圍進行外推時。

常見問題

內插和外推有什麼不同?內插是在已知範圍「之內」進行估計;外推則是把趨勢延伸到範圍「之外」。兩者使用的數學公式完全相同,但外推帶有更高的不確定性。

為什麼外推有風險?因為它假設線性趨勢會原封不動地持續下去。然而現實中的資料常常會彎曲或轉向,因此距離已知範圍越遠的數值,往往越不可靠。

\(x_1\) 可以等於 \(x_2\) 嗎?不行——垂直線的斜率無法定義,因此兩個 \(x\) 值必須相異,計算才有效。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器