Шпаргалки / Математика / Школа / Теория вероятностей и мат.статистика

Экстраполяция

1. Определение

Экстраполяция — это метод прогнозирования значений функции за пределами диапазона известных данных,
на основе закономерности, выявленной внутри этого диапазона.

Если нам известны точки $(x_1, y_1), (x_2, y_2), \dots, (x_n, y_n)$ ,
и мы хотим найти значение $f(x_{n+1})$ для $x_{n+1} > x_n$ (или $x_{n+1} < x_1$ ),
то мы выполняем экстраполяцию.

Формально:

f(x_{n+1}) \approx \tilde{f}(x_{n+1})

где $\tilde{f}(x)$ — модель (полином, экспонента, линейная функция и т.д.), построенная по исходным данным.

2. Отличие от интерполяции и аппроксимации

Метод	Область применения	Особенности
Интерполяция	внутри диапазона данных	находит значения между известными точками
Экстраполяция	за пределами диапазона	предсказывает неизвестное будущее или прошлое
Аппроксимация	во всём диапазоне	строит сглаживающую модель, не обязательно проходящую через все точки

3. Основная идея

Экстраполяция предполагает, что существующая закономерность продолжается за пределами имеющихся данных.

Пример:
Если функция $$f(x)$$ растёт линейно между $$x=0$$ и $$x=10$$ ,
то можно предположить, что она и дальше растёт по той же формуле.

4. Основные методы экстраполяции

4.1 Линейная экстраполяция

Самая простая форма.
Используем уравнение прямой, построенной по двум последним точкам:

\[ y = a x + b \]

где
$a = \dfrac{y_2 - y_1}{x_2 - x_1}$ — угловой коэффициент,
$$b = y_1 - a x_1$$ — сдвиг.

Пример:
Дано $$(2, 5)$$ и $$(4, 9)$$ .
Тогда $$a = 2$$ , $$b = 1$$ .
Для $$x = 6$$ → $y = 2 \cdot 6 + 1 = 13$ .

Просто продолжаем линию дальше.

4.2 Полиномиальная экстраполяция

Если данные не линейны, можно использовать полином степени $$n-1$$ :

P(x) = a_0 + a_1x + a_2x^2 + \dots + a_{n-1}x^{n-1}

Полином подбирается по известным точкам (например, методом Лагранжа или Ньютона).
Но ⚠️ чем выше степень, тем выше риск ошибок за пределами диапазона —
функция может «взлететь» или «провалиться».

4.3 Экспоненциальная экстраполяция

Для данных, где рост (или спад) ускоряется:

y = a e^{bx}

или в логарифмической форме:

\ln y = \ln a + bx

Пример:
Если температура падает как $T = 100 e^{-0.05t}$ ,
то при $$t=30$$ получим $T(30) = 100 e^{-1.5} \approx 22.3$ .

4.4 Скользящая (временная) экстраполяция

Используется в анализе временных рядов.
Берутся последние $$k$$ точек, строится модель (линейная, экспоненциальная и т.д.),
и прогнозируется следующее значение.

Пример:
Данные продаж по месяцам. Используем тренд последних 3 месяцев,
чтобы спрогнозировать следующий.

5. Математическая суть

Экстраполяция — частный случай аппроксимации,
где нас интересует поведение модели вне обучающей выборки.

Если аппроксимация ищет модель $$f^*(x)$$ , минимизирующую ошибку внутри диапазона:

\min_{f} \sum_i (f(x_i) - y_i)^2,

то экстраполяция применяет найденную $$f^*(x)$$ при $x \notin [x_1, x_n]$ .

6. Проблемы и ограничения

Проблема	Суть
Рост ошибки	Малое отклонение внутри диапазона может вызвать огромную ошибку вне его
Изменение тренда	Вне диапазона функция может вести себя иначе
Невозможность проверки	Истинные значения часто неизвестны

📉 Поэтому экстраполяцию всегда следует рассматривать как гипотезу,
а не как достоверное предсказание.

7. Практические рекомендации

Используй экстраполяцию только на коротком участке за пределами данных.
Проверяй модель по физическому смыслу — не может ли она выдавать абсурдные значения.
Если данные сильно колеблются — лучше применить сглаживание или регрессию.
Если возможно — замени экстраполяцию интерполяцией, расширив диапазон измерений.

8. Применения

прогнозирование роста населения, цен, спроса;
оценка будущих температур, уровней радиации, загрязнения;
продолжение временных рядов в экономике и физике;
восстановление сигналов и трендов в инженерных задачах.

9. Пример сравнения

Метод	Диапазон	Пример	Результат
Интерполяция	$x \in [0, 10]$	знаем $$f(0), f(10)$$ , хотим $$f(5)$$	между известными
Экстраполяция	$$x > 10$$	знаем $$f(0), f(10)$$ , хотим $$f(15)$$	за пределами диапазона
Аппроксимация	всё множество	строим $$f^*(x)$$ , которая близка к данным	сглаживание

10. Итог

Экстраполяция продлевает тренд за пределы данных.
Это аппроксимация вне диапазона — полезная, но рискованная.
Применять только если закономерность физически обоснована.
Ошибка растёт с удалением от известных точек.
Всегда лучше иметь новые данные, чем делать экстраполяцию наугад.

Метод	Диапазон	Пример	Результат
Интерполяция	$x \in [0, 10]$	знаем $\(f(0), f(10)\)$ , хотим $\(f(5)\)$	между известными
Экстраполяция	$\(x > 10\)$	знаем $\(f(0), f(10)\)$ , хотим $\(f(15)\)$	за пределами диапазона
Аппроксимация	всё множество	строим $\(f^*(x)\)$ , которая близка к данным	сглаживание