Вопреки другим ответам, я бы сказал, что в экстраполяции нет ничего плохого, поскольку он не используется бессмысленным образом. Во-первых, обратите внимание, что экстраполяция это :
процесс оценки, за пределами исходного диапазона наблюдения, значения переменной на основе ее связи с другой переменной.
... так что это очень широкий термин и множество различных методов, начиная от простой линейной экстраполяции , заканчивая линейной регрессией, полиномиальной регрессией или даже некоторыми продвинутыми методами прогнозирования временных рядов, которые соответствуют такому определению. На самом деле экстраполяция, прогноз и прогноз тесно связаны. В статистике мы часто делаем прогнозы и прогнозы . Это также то, что говорит ссылка, на которую вы ссылаетесь:
Нас с первого дня статистики учили, что экстраполяция - это большая нет-нет, но это именно то, что прогнозирование.
Многие методы экстраполяции используются для прогнозирования, кроме того, часто некоторые простые методы работают довольно хорошо с небольшими выборками, поэтому могут быть предпочтительнее, чем сложные. Проблема, как отмечалось в других ответах, заключается в неправильном использовании метода экстраполяции.
Например, многие исследования показывают, что возраст начала половой жизни в западных странах со временем уменьшается. Посмотрите на сюжет ниже о возрасте первого полового акта в США. Если бы мы слепо использовали линейную регрессию для прогнозирования возраста первого полового акта, мы бы предсказали, что он станет ниже нуля через некоторое количество лет (соответственно, с первым браком и первым рождением, произошедшим через некоторое время после смерти) ... Однако, если вам нужно было сделать прогноз на год вперед, тогда я бы предположил, что линейная регрессия приведет к довольно точным краткосрочным прогнозам тренда.
(источник guttmacher.org )
Все модели неверны , экстраполяция также неверна, поскольку она не позволит вам делать точные прогнозы. Как и другие математические / статистические инструменты, это позволит вам делать приблизительные прогнозы. Степень их точности зависит от качества данных, которые вы используете, используя методы, адекватные вашей проблеме, допущений, которые вы сделали при определении модели, и многих других факторов. Но это не значит, что мы не можем использовать такие методы. Мы можем, но нам нужно помнить об их ограничениях и оценивать их качество для данной проблемы.