Linjär interpolering i Excel
Linjär interpolering i excel betyder att man förutsäger eller gissar det kommande nästa värdet för en viss variabel som ges på aktuell data, här skapar vi en rak linje som förbinder två värden och vi uppskattar det framtida värdet genom det, i excel använder vi prognosfunktion och en uppslagning funktion för att göra en linjär interpolation.
Interpolering är ett matematiskt eller statistiskt verktyg som används för att förutsäga värdena mellan två punkter på en kurva eller linje. Det här verktyget används inte bara i statistik utan används även inom många andra områden som affärer, vetenskap etc. varhelst det finns möjlighet att förutsäga värden mellan två datapunkter.
Hur gör man linjär interpolering i Excel?
Du kan ladda ner denna linjära Excel-mall här - Linjär Excel-mallExempel nr 1
Utför interpolering för att känna till vädretemperaturen under olika tidszoner
Ta först ner temperaturvärdena i Bangalore-regionen för varje timme och uppgifterna skulle vara följande: -
Uppgifterna visar att vi har fått temperaturinformation i Bangalore-regionen under ett visst datum. I tidskolumnen har vi tidszonerna för hela kolumnen för dag och timme. Vi nämnde timmarna från början av dagen som klockan 00.00 skulle vara 0 timmar, klockan 01.00 skulle vara 1 timme, och så på.
Nu ska vi utföra interpolering för data för att dra ut temperaturvärdet för den önskade tidszonen, vilket kan vara när som helst, inte bara den exakta timmen.
För att kunna utföra interpolering måste vi använda några formler i Excel som FORECAST, OFFSET, MATCH. Låt oss kortfattat se dessa formler innan vi går vidare.
FORECAST () - Denna prognos excel-funktion beräknar eller förutsäger framtida värde baserat på befintliga värden tillsammans med en linjär trend.
- X - Detta är det värde som vi vill förutsäga.
- Känd_ys - Detta är de beroende värdena från data och ett obligatoriskt fält som ska fyllas
- Known_xs - Detta är de oberoende värdena från data och ett obligatoriskt fält som ska fyllas i.
MATCH () - Denna match excel-funktion returnerar den relativa positionen för ett uppslagsvärde i en rad, kolumn eller tabell som matchar det angivna värdet i en angiven ordning.
- Lookup_value - Detta är det värde som måste matchas från lookup_array
- Lookup_array - Detta är intervallet för sökning
[match_type] - Detta kan vara 1,0, -1. Standardvärdet är 1. För 1 - Match hittar det största värdet som är mindre än eller lika med look_up-värdet och värdet ska vara i stigande ordning. För 0 - Match hittar det första värdet exakt lika med lookup_value och behöver inte sorteras. För -1 - Match kommer att hitta det minsta värdet som är större än eller lika med uppslagsvärdet och bör sorteras i fallande ordning.
OFFSET () - Denna offsetfunktion returnerar en cell eller ett cellområde som är specificerat antal rader och kolumner. Cellen eller cellområdet beror på höjd och bredd i rader och kolumner som vi anger.
- Referens - Det här är utgångspunkten varifrån antalet rader och kolumner kommer att göras.
- Rader - Antal rader att kompensera under startreferenscellen.
- Kolumner - Antal kolumner som ska kompenseras direkt från startreferenscellen.
- [höjd] - Höjden i rader från den returnerade referensen. Detta är valfritt.
- [bredd] - Bredden i kolumner från den returnerade referensen. Detta är valfritt.
Som vi har sett formlerna i korthet som vi ska använda för att utföra interpolationen. Låt oss nu utföra interpolationen enligt följande:
Skriv formeln i en cell som vi behöver för att se temperaturen för olika tidszoner. Detta berättar att vi måste välja den cell som behöver prognostiseras och offset & match-funktionen används för att välja kända_y och kända_x.
PROGNOS ($ F $ 5 - Välj den cell som har den tidszon som ska förutses.
OFFSET ($ C $ 3: $ C $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Detta används för att välja känd_ys som referens tas temp kolumn eftersom dessa är de beroende värdena. Matchningsfunktionen används för att generera positionen för det värde som vi behöver för att prognostisera och beräkna antalet rader. Kolumner ska vara 0 eftersom vi vill ha det beroende värdet på samma kolumn som valts och höjden är 2 eftersom vi behöver utföra prognosen baserat på de senaste 2 värdena.
OFFSET ($ B $ 3: $ B $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Detta används för att välja kända_xs som referens tas timkolumn eftersom dessa är oberoende värden och vila är densamma som vi hade gjort för radräkning.
Ge nu en tidszon i cellen som vi hade övervägt att förutsäga. Här är det angivna värdet 19,5 vilket är 19:30 och vi får temperaturen 30 som beräknas från temperaturvärdena som ges per timme.
På samma sätt kan vi se temp siffror för olika tidszoner från denna formel.
Exempel 2
Utföra linjär interpolation för att känna till en organisations försäljning 2018
Låt oss anta att vi fick försäljningsinformation för en organisation 2018 enligt nedan. Vi har data i termer av dagar och deras försäljning i kumulativ. Vi sålde 7844 enheter de första 15 dagarna av året, 16094 enheter på 50 dagar av året och så vidare.
Vi kan använda samma formel som vi använde vid interpolering för att förutsäga försäljningsvärdet för olika dagar, vilket inte nämndes i de uppgifter som vi anser. Här är försäljningen i en rak linje (linjär) som vi hade tagit kumulativt.
Om vi vill se antalet försäljningar som vi uppnått på 215 dagar kan vi få det prognostiserade antalet försäljningar under 215 dagar enligt nedan genom att beakta den givna försäljningsdata.
På samma sätt kan vi ta reda på antalet försäljningar det året genom att prognostisera mellan de poäng som ges.
Saker att komma ihåg
- Det är den minst exakta metoden men den är snabb och korrekt om tabellvärdena är nära varandra.
- Detta kan också användas för att uppskatta värden för en geografisk datapunkt, nederbörd, bullernivåer etc.
- Det är väldigt enkelt att använda och inte särskilt exakt för icke-linjära funktioner.
- Förutom Excel Linear interpolation har vi också olika typer av metoder som Polynomial Interpolation, Spline Interpolation, etc.
