Lineær interpolasjon i Excel
Lineær interpolasjon i excel betyr prognoser eller gjetting av den kommende neste verdien av en hvilken som helst bestemt variabel gitt på gjeldende data, her lager vi en rett linje som forbinder to verdier, og vi estimerer fremtidig verdi gjennom den, i excel bruker vi prognosefunksjon og et oppslag funksjon for å gjøre en lineær interpolasjon.
Interpolasjon er et matematisk eller statistisk verktøy som brukes til å forutsi verdiene mellom 2 punkter på en kurve eller linje. Dette verktøyet brukes ikke bare i statistikk, men brukes også i mange andre felt som næringsliv, vitenskap, etc. hvor det er mulighet til å forutsi verdier mellom to datapunkter.
Hvordan gjør jeg lineær interpolasjon i Excel?
Eksempel 1
Utfører interpolasjon for å kjenne temperaturen på været i forskjellige tidssoner
Ta først ned temperaturene i Bangalore-regionen for hver time, og dataene vil være som følger: -
Dataene viser at vi har fått temperaturdetaljene i Bangalore-regionen for en dato. Tidskolonnen vi har tidssonene for hele dagen og timekolonnen vi nevnte timenummeret fra starten av dagen slik at klokka 00.00 ville være 0 timer, klokken 01.00 ville være 1 time, og så på.
Nå skal vi utføre interpolering for dataene for å trekke ut temperaturverdien for den nødvendige tidssonen, som kan være når som helst, ikke bare den nøyaktige timen.
For å utføre interpolering, må vi bruke noen formler i Excel som FORECAST, OFFSET, MATCH. La oss se kort på disse formlene før vi går videre.
FORECAST () - Denne prognosen excel-funksjonen beregner eller forutsier den fremtidige verdien basert på eksisterende verdier sammen med en lineær trend.
- X - Dette er verdien vi vil forutsi.
- Known_ys - Dette er de avhengige verdiene fra dataene og et obligatorisk felt som skal fylles ut
- Known_xs - Dette er de uavhengige verdiene fra dataene og et obligatorisk felt som skal fylles ut.
MATCH () - Denne Match excel-funksjonen returnerer den relative posisjonen til en oppslagsverdi i en rad, kolonne eller tabell som samsvarer med den angitte verdien i en spesifisert rekkefølge.
- Lookup_value - Dette er verdien som må matches fra lookup_array
- Lookup_array - Dette er søkeområdet
(match_type) - Dette kan være 1,0, -1. Standard er 1. For 1 - Match vil finne den største verdien som er mindre enn eller lik oppslagsverdien, og verdien skal være i stigende rekkefølge. For 0 - Match finner den første verdien nøyaktig lik lookup_value og trenger ikke sorteres. For -1 - Match vil finne den minste verdien som er større enn eller lik oppslagsverdien, og som skal sorteres i synkende rekkefølge.
OFFSET () - Denne forskyvningsfunksjonen returnerer en celle eller et celleområde som er angitt antall rader og kolonner. Cellen eller celleområdet vil avhenge av høyden og bredden i rader og kolonner vi spesifiserer.
- Referanse - Dette er utgangspunktet der tellingen av rader og kolonner skal utføres.
- Rader - Antall rader som skal forskyves under startreferansecellen.
- Kolonner - Antall kolonner som skal forskyves rett fra startreferansecellen.
- (høyde) - Høyden i rader fra den returnerte referansen. Dette er valgfritt.
- (bredde) - Bredden i kolonner fra den returnerte referansen. Dette er valgfritt.
Som vi har sett formlene i korte trekk som vi skal bruke til å utføre interpolasjonen. La oss nå utføre interpolasjonen som følger:
Skriv inn formelen i en celle som vi trenger for å se temperaturen for en annen tidssone. Dette forteller at vi må velge cellen som må prognostiseres, og offset & match-funksjonen brukes til å velge kjent_y og kjent_x.
FORECAST ($ F $ 5 - Velg cellen som har tidssonen som skal prognoser.
OFFSET ($ C $ 3: $ C $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Dette brukes til å velge kjent_ys som referanse er tatt temp kolonne fordi disse er de avhengige verdiene. Matchfunksjonen brukes til å generere posisjonen til verdien vi trenger for å forutsi og beregne antall rader. Kolonner skal være 0 fordi vi vil ha den avhengige verdien på den samme kolonnen som er valgt og høyden er 2 da vi trenger å utføre prognosen basert på de to siste verdiene.
OFFSET ($ B $ 3: $ B $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Dette brukes til å velge kjent_xs som referanse er tatt timekolonne fordi disse er uavhengige verdier og hvile er det samme som vi hadde gjort for radtelling.
Gi nå en tidssone i cellen som vi hadde vurdert å forutsi. Her er verdien som er angitt 19,5, som er 19:30, og vi vil få temperaturen 30 som er prognostisert fra temperaturverdiene som er gitt timebasis.
På samme måte kan vi se tempetall for forskjellige tidssoner fra denne formelen.
Eksempel 2
Utfører lineær interpolasjon for å kjenne salget til en organisasjon i 2018
La oss anta at vi fikk salgsinformasjonen for en organisasjon i 2018 som nedenfor. Vi har data i form av dager og deres salg i kumulativt. Vi solgte 7844 enheter de første 15 dagene av året, 16094 enheter på 50 dager av året, og så videre.
Vi kan bruke den samme formelen som vi brukte i interpolering for å forutsi salgsverdi for forskjellige dager, som ikke ble nevnt i dataene vi vurderer. Her er salget i en rett linje (lineær) slik vi hadde tatt kumulativt.
Hvis vi vil se antall salg som vi hadde oppnådd på 215 dager, kan vi få det forventede antall salg i 215 dager som nedenfor ved å vurdere de gitte salgsdataene.
På samme måte kan vi finne ut antall salg det året ved å prognose mellom poengene som er gitt.
Ting å huske
- Det er den minst nøyaktige metoden, men den er rask og nøyaktig hvis tabellverdiene ligger tett.
- Dette kan også brukes til å estimere verdier for et geografisk datapunkt, nedbør, støynivåer, etc.
- Det er veldig enkelt å bruke og ikke veldig nøyaktig for ikke-lineære funksjoner.
- Bortsett fra Excel Lineær interpolasjon har vi også forskjellige typer metoder som polynomial interpolasjon, Spline interpolasjon, etc.
