Θα μπορούσαμε να χρησιμοποιήσουμε τη συνάρτηση για να προβλέψουμε την τιμή της εξαρτημένης μεταβλητής για μια ανεξάρτητη μεταβλητή που βρίσκεται εκτός του εύρους των δεδομένων μας. Σε αυτή την περίπτωση, πραγματοποιούμε παρέκταση. Ας υποθέσουμε ότι τα δεδομένα με x μεταξύ 0 και 10 χρησιμοποιούνται για την παραγωγή μιας γραμμής παλινδρόμησης y=2x + 5.
Γιατί χρησιμοποιούμε παρέκταση;
Προέκταση είναι η διαδικασία εύρεσης μιας τιμής έξω από ένα σύνολο δεδομένων. Θα μπορούσε μάλιστα να ειπωθεί ότι βοηθά στην πρόβλεψη του μέλλοντος! … Αυτό το εργαλείο δεν είναι μόνο χρήσιμο στις στατιστικές, αλλά και χρήσιμο στην επιστήμη, τις επιχειρήσεις και οποιαδήποτε στιγμή υπάρχει ανάγκη πρόβλεψης τιμών στο μέλλον πέρα από το εύρος που έχουμε μετρήσει.
Πού μπορούμε να χρησιμοποιήσουμε την παρέκταση;
Η παρέκταση χρησιμοποιείται σε πολλά επιστημονικά πεδία, όπως στη χημεία και τη μηχανική όπου η παρέκταση είναι συχνά απαραίτητη. Για παράδειγμα, εάν γνωρίζετε τις τρέχουσες τάσεις ενός συγκεκριμένου συστήματος, μπορείτε να κάνετε παρέκταση αυτών των δεδομένων για να προβλέψετε πώς το σύστημα μπορεί να ανταποκριθεί σε υψηλότερες τάσεις.
Πότε μπορούμε να κάνουμε παρέκταση δεδομένων;
10.7.
Η παρέκταση πέρα από το σχετικό εύρος είναι όταν οι τιμές του Y υπολογίζονται πέρα από το εύρος των δεδομένων X. Εάν τα μη παρατηρούμενα δεδομένα (δεδομένα εκτός του εύρους των δεδομένων X) είναι μη γραμμικά, τότε οι εκτιμήσεις του Y μπορεί να είναι σημαντικά εκτός του διαστήματος εμπιστοσύνης των εκτιμώμενων τιμών Y.
Γιατί χρησιμοποιούμε παρέκταση και παρεμβολή;
Η παρεμβολή χρησιμοποιείται για την πρόβλεψητιμές που υπάρχουν σε ένα σύνολο δεδομένων και η παρέκταση χρησιμοποιείται για την πρόβλεψη τιμών που δεν εμπίπτουν σε ένα σύνολο δεδομένων και χρησιμοποιεί γνωστές τιμές για την πρόβλεψη άγνωστων τιμών. Συχνά, η παρεμβολή είναι πιο αξιόπιστη από την παρέκταση, αλλά και οι δύο τύποι πρόβλεψης μπορεί να είναι πολύτιμοι για διαφορετικούς σκοπούς.
