Extrapolointi

Extrapolointi on tilastollinen ja matemaattinen prosessi, jolla tuntemattomia arvoja pyritään arviomaan ulkopuolella havaintojen aluetta käyttämällä olemassa olevaa mallia tai trendiä. Se eroaa interpoloinnista, jossa arvot estimoidaan havaintoalueen sisällä.

Menetelmät voivat olla lineaarista, jolloin jatketaan havaittua suoraa trendiä, tai monimutkaisempia mallista riippuen polynomien, eksponentiaalisen kasvun tai logistisen mallin sovittamista ja näiden pohjalta arvojen laskemista kauempana datasta. Aikasarja-analyysissä käytetään esimerkiksi ARIMA-, eksponentiaalisen tasoituksen tai säätömenetelmien malleja, joilla voidaan ennustaa tulevia arvoja. Mallin valinta riippuu ilmiön käyttäytymisestä ja siitä, kuinka luotettava malli näyttää havaintoihin nähden.

Epävarmuus kasvaa extrapoloinnissa: koska arviot perustuvat mallin oletuksiin, pienet muutokset trendissä tai rakenteelliset muutokset voivat nopeasti tehdä tuloksista epäluotettavia. Siksi on tärkeää esittää luottamusväliä ja tunnistaa mallin rajoitteet.

Käyttökohteita ovat talous- ja liiketoimintaennusteet, luonnontieteet, ympäristö- ja tekninen suunnittelu sekä riskinarviointi. Extrapoloinnin luotettavuutta on aina rajoitettu erityisesti silloin, kun data ohjaa malleja, joiden oletukset voivat pettää tulevina aikoina.

Esimerkki: jos myynti kasvaa 2016–2020 lineaarisesti noin 100 yksikköä vuodessa, lineaarisella extrapoloinnilla voidaan arvioida myyntiä vuodelle 2025, mutta epävarmuus ja mahdolliset muutokset on huomioitava.