Excel linearna interpolacija
Linearna interpolacija u excelu znači predviđanje ili pogađanje nadolazeće sljedeće vrijednosti neke određene varijable dane na trenutnim podacima, ovdje stvaramo ravnu crtu koja povezuje dvije vrijednosti i kroz nju procjenjujemo buduću vrijednost, u Excelu koristimo funkciju prognoze i traženje funkcija radi linearne interpolacije.
Interpolacija je matematički ili statistički alat koji se koristi za predviđanje vrijednosti između 2 točke na krivulji ili crti. Ovaj se alat ne koristi samo u statistici, već se koristi i u mnogim drugim područjima poput posla, znanosti, itd. Gdje god postoji prilika za predviđanje vrijednosti između dviju točaka podataka.

Kako napraviti linearnu interpolaciju u programu Excel?
Primjer # 1
Izvođenje interpolacije radi poznavanja temperature vremena tijekom različitih vremenskih zona
Prvo skinite temperaturne brojke u regiji Bangalore za svaki sat i podaci će biti sljedeći:

Podaci pokazuju da imamo podatke o temperaturi u regiji Bangalore za neki datum. Stupac na vrijeme imamo vremenske zone za cijeli stupac dana i sata spomenuli smo broj sati od početka dana, poput 00:00 sati, bio bi 0 sati, 1:00 ujutro bio bi 1 sat, i tako na.
Sada ćemo izvršiti interpolaciju podataka kako bismo izvukli vrijednost temperature za potrebnu vremensku zonu koja može biti bilo koje vrijeme, a ne samo točan sat.
Da bismo izvršili interpolaciju, u Excelu moramo upotrijebiti nekoliko formula poput PROGNOZA, POKRET, UTAKMICA. Pogledajmo ukratko ove formule prije nego što nastavimo.
PROGNOZA () - Ova funkcija programa Forecast Excel izračunava ili predviđa buduću vrijednost na temelju postojećih vrijednosti zajedno s linearnim trendom.

- X - Ovo je vrijednost za koju želimo predvidjeti.
- Known_ys - ovo su ovisne vrijednosti iz podataka i obvezno polje koje se popunjava
- Known_xs - Ovo su neovisne vrijednosti iz podataka i obvezno polje koje se popunjava.
MATCH () - Ova funkcija Match excel vratit će relativni položaj vrijednosti pretraživanja u retku, stupcu ili tablici koja odgovara navedenoj vrijednosti u navedenom redoslijedu.

- Lookup_value - ovo je vrijednost koja se mora podudarati s nizom lookup__računa
- Lookup_array - ovo je raspon za pretraživanje
(match_type) - To može biti 1,0, -1. Zadana vrijednost bi bila 1. Za 1 - Match će pronaći najveću vrijednost koja je manja ili jednaka vrijednosti look_up i vrijednost bi trebala biti u rastućem redoslijedu. Za 0 - Match pronalazi prvu vrijednost točno jednaku lookup_value i ne mora se sortirati. Za -1 - Match će pronaći najmanju vrijednost koja je veća ili jednaka vrijednosti look_up i treba je sortirati u opadajućem redoslijedu.
OFFSET () - Ova funkcija pomaka vratit će ćeliju ili raspon ćelija s određenim brojem redaka i stupaca. Stanica ili raspon ćelija ovisit će o visini i širini redaka i stupaca koje odredimo.

- Referenca - ovo je početna točka odakle će se izvršiti brojanje redaka i stupaca.
- Redci - broj redaka za pomak ispod početne referentne ćelije.
- Stupci - broj stupaca za pomak desno od početne referentne ćelije.
- (visina) - visina u redovima od vraćene reference. Ovo nije obavezno.
- (širina) - Širina u stupcima iz vraćene reference. Ovo nije obavezno.
Kao što smo ukratko vidjeli formule koje ćemo koristiti za obavljanje interpolacije. Izvršimo sada interpolaciju kako slijedi:
Utipkajte formulu u ćeliju da trebamo vidjeti temperaturu za različitu vremensku zonu. To govori da moramo odabrati ćeliju koju treba predvidjeti, a funkcija offset & match koristi se za odabir known_ys i known_xs.

PROGNOZA ($ F $ 5 - Odaberite ćeliju koja ima vremensku zonu za predviđanje.
OFFSET ($ C $ 3: $ C $ 26, UTAKMICA ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Ovo se koristi za odabir known_ys kao referenca uzima se privremeni stupac jer ovi su ovisne vrijednosti. Funkcija podudaranja koristi se za generiranje položaja vrijednosti koju trebamo prognozirati i izračunati broj redaka. Stupci bi trebali biti 0, jer želimo da ovisna vrijednost na istom odabranom stupcu i visina bude 2, jer trebamo izvesti predviđanje na temelju posljednje 2 vrijednosti.
OFFSET ($ B $ 3: $ B $ 26, MATCH ($ F $ 5, $ B $ 3: $ B $ 26,1) -1,0,2) - Ovo se koristi za odabir known_xs jer se referenca uzima u stupcu sata jer ovi su neovisne vrijednosti, a ostatak je isti kao i kod brojanja redaka.
Sada dajte neku vremensku zonu u ćeliji koju smo smatrali prognozirati. Ovdje je unesena vrijednost 19,5, što je 19:30, a mi ćemo dobiti temperaturu od 30, koja se predviđa iz temperaturnih vrijednosti danih po satu.

Slično tome, iz ove formule možemo vidjeti privremene brojke za različite vremenske zone.
Primjer # 2
Izvođenje linearne interpolacije kako bi se znalo o prodaji organizacije u 2018. godini
Pretpostavimo da smo detalje o prodaji za organizaciju dobili u 2018. kao što je prikazano u nastavku. Podatke imamo u danima i njihovoj prodaji kumulativno. Dobili smo prodaju 7844 jedinice u prvih 15 dana u godini, 16094 jedinice za 50 dana u godini i tako dalje.

Možemo koristiti istu formulu koju smo koristili u interpolaciji za predviđanje vrijednosti prodaje za različite dane, a koja nije spomenuta u podacima koje razmatramo. Ovdje je prodaja u ravnoj liniji (linearnoj) kao što smo uzeli kumulativno.

Ako želimo vidjeti broj prodaja koji smo ostvarili u 215 dana, tada možemo uzeti predviđeni broj prodaja za 215 dana, kao u nastavku, uzimajući u obzir dane podatke o prodaji.

Slično tome, broj prodaja u toj godini možemo saznati predviđanjem između danih bodova.
Stvari koje treba zapamtiti
- To je najmanje točna metoda, ali je brza i točna ako su vrijednosti tablice usko razmaknute.
- To se također može koristiti u procjeni vrijednosti za geografsku točku podataka, kišu, razinu buke itd.
- Vrlo je jednostavan za upotrebu i nije vrlo precizan za nelinearne funkcije.
- Osim Excel linearne interpolacije, imamo i različite vrste metoda poput polinomske interpolacije, spline interpolacije itd.