Het verschil tussen extrapolatie en interpolatie

Extrapolatie en interpolatie worden beide gebruikt om hypothetische waarden voor een variabele te schatten op basis van andere waarnemingen. Er zijn verschillende methoden voor interpolatie en extrapolatie op basis van de algemene trend die wordt waargenomen in de gegevens. Deze twee methoden hebben namen die erg op elkaar lijken. We zullen de verschillen tussen beide onderzoeken.

Om het verschil te zien tussen extrapolatie en interpolatie, moeten we kijken naar de voorvoegsels "extra" en "inter." Het voorvoegsel "extra" betekent "buiten" of "naast." Het voorvoegsel "inter" betekent "tussen" of "tussen". Gewoon deze betekenissen kennen (van hun originelen in Latijns) gaat een lange weg om onderscheid te maken tussen de twee methoden.

Voor beide methoden gaan we uit van een paar dingen. We hebben een onafhankelijke variabele en een afhankelijke variabele geïdentificeerd. Door steekproeven of een verzameling gegevens, we hebben een aantal combinaties van deze variabelen. We gaan er ook vanuit dat we een model voor onze data hebben opgesteld. Dit kan een zijn

Het doel is niet alleen het model op zich, we willen ons model meestal gebruiken voor voorspelling. Meer specifiek, wat zal de voorspelde waarde van de corresponderende afhankelijke variabele zijn, gegeven een onafhankelijke variabele? De waarde die we invoeren voor onze onafhankelijke variabele bepaalt of we werken met extrapolatie of interpolatie.

We zouden onze functie kunnen gebruiken om de waarde van de afhankelijke variabele te voorspellen voor een onafhankelijke variabele die zich in het midden van onze gegevens bevindt. In dit geval voeren we interpolatie uit.

Stel dat gegevens met X tussen 0 en 10 wordt gebruikt om een regressie lijny = 2X + 5. We kunnen deze lijn gebruiken die het beste bij ons past y waarde die overeenkomt met X = 6. Steek deze waarde gewoon in onze vergelijking en we zien dat y = 2(6) + 5 =17. Omdat onze X waarde is een van de waarden die worden gebruikt om de lijn het best passend te maken, dit is een voorbeeld van interpolatie.

We zouden onze functie kunnen gebruiken om de waarde van de afhankelijke variabele te voorspellen voor een onafhankelijke variabele die buiten het bereik van onze gegevens valt. In dit geval voeren we extrapolatie uit.

Veronderstel zoals voor die gegevens met X tussen 0 en 10 wordt gebruikt om een ​​regressielijn te produceren y = 2X + 5. We kunnen deze lijn gebruiken die het beste bij ons past y waarde die overeenkomt met X = 20. Steek deze waarde gewoon in onze vergelijking en we zien dat y = 2(20) + 5 =45. Omdat onze X waarde behoort niet tot het waardenbereik dat wordt gebruikt om de lijn het best passend te maken, dit is een voorbeeld van extrapolatie.

Van de twee methoden verdient interpolatie de voorkeur. Dit komt omdat we een grotere kans hebben om een ​​geldige schatting te krijgen. Wanneer we extrapolatie gebruiken, gaan we ervan uit dat onze waargenomen trend zich voortzet voor waarden van X buiten het bereik dat we gebruikten om ons model te vormen. Dit is misschien niet het geval en daarom moeten we heel voorzichtig zijn bij het gebruik van extrapolatietechnieken.