识别内插与外推 | AP统计学 | Khan Academy
外来客 • 2026-11-18 20:03:47
声明:本文为对公开内容的摘要整理,
未经本站独立核实,可能与原内容存在出入,不代表本站立场、观点或建议;
观点与版权归原作者及原平台所有。
如涉及版权问题,请联系我们,核实后立即删除。
[ 免责声明 ]
(原标题:Identifying interpolation and extrapolation | AP Statistics | Khan Academy)
📊 核心观点
- 区分回归分析中的内插(Interpolation)与外推(Extrapolation)的关键在于预测点相对于原始数据自变量范围的位置。
- 若预测的自变量值位于已知数据集的最小值与最大值之间,该过程定义为内插。
- 若预测的自变量值超出已知数据集的范围(即低于最小值或高于最大值),该过程定义为外推。
📈 关键事实与论据
- 数据范围界定:案例中记录的座位容量(Seating Capacity)范围为 236 至 1480 个座位;对应的设置时间(Setup Time)范围为 18 至 112 个工作小时。
- 内插判定依据:针对拥有 900 个座位的场馆进行预测时,由于 900 处于 236 与 1480 的区间之内,该预测点落在原始数据自变量的覆盖范围内,因此属于内插。
- 外推判定依据:针对拥有 95 个座位的场馆进行预测时,由于 95 小于数据集的最小容量值 236,该预测点位于原始数据范围之外,因此属于外推。
- 模型应用逻辑:利用最小二乘回归线(Least Squares Regression Line)进行预测时,必须依据自变量(此处为座位数)是否处于样本观测值的边界内来分类预测性质,而非依据因变量(设置时间)的范围。
🎯 结论
- 对于 900 个座位的场馆,其设置时间的预测属于内插,因为该容量值在历史数据记录的最低与最高容量之间。
- 对于 95 个座位的场馆,其设置时间的预测属于外推,因为该容量值低于历史数据记录的最小容量值,超出了模型训练数据的自变量边界。
👤 同一博主
区分离散与连续变量 | AP统计学 | Khan Academy
AP统计:有放回与无放回抽样 | Khan Academy
概率作为长期相对频率 | AP统计学 | Khan Academy
探究性问题的构成要素 | AP统计学 | Khan Academy
基于总体比例的置信区间来论证一项主张
Khan Academy(可汗学院)作业进度
定义工程问题 | 中学科学 | Khan Academy
2023年AP微积分BC真题5b题:评估反常积分 | AP®︎/大学微积分BC | Khan Aca
使用u代换法求解反三角函数不定积分 | AP®︎/大学微积分BC | Khan Academy
2019年AP微积分BC第5题c部分:反常积分的收敛性判断 | 可汗学院
🧭 类似博主
-
从零开始学日语第1天:五十音あ行 #日语 #日语入门 #日语学习 #日本語 #日語
-
【李永乐老师】我的小学老师骗我,长大后我也开始骗小孩
-
基礎英文20句 (1) 說出想要的東西!I want ~ / Can I get ~? 看中文說英文
-
拉丁语中的将来分词
-
为什么猎豹尾巴可以有条纹,老虎尾巴不能有斑点?
-
AJ·迪班塔(AJ Dybantsa)赛季初集锦:攻防两端展现惊人实力
-
凡湖水下遗迹探秘:未解之谜
-
【TVBS氣象 x 鄭明典】強冷空氣攜水氣 西半部恐低探12度 週五最有感.高山有望迎雪202611
-
泉州最地道的美食都在这里 脆皮海参 面线糊 海蛎煎......哪一样是你最爱的泉州味道——寻味泉州【
-
小灰人為何瘋狂蒐集人類 DNA?退化文明的最後求生掙扎【星際疑團】
0 条评论
发表评论
请先 登录 后参与讨论。