AP Statistics

ngoại suyextrapolation

extrapolationVietnamese: ngoại suy

Còn gọi:Also called: phép ngoại suy · dự đoán ngoại suy · extrapolate · extrapolated prediction

Ngoại suy là việc dùng phương trình hồi quy để dự đoán giá trị của biến phụ thuộc tại một điểm nằm ngoài khoảng dữ liệu đã quan sát.Extrapolation is the use of a regression equation to predict the response variable at an $x$ -value outside the range of the observed data.

Trực giác: Giống như dùng thước kẻ để đo chiều dài một tờ giấy rồi cứ thế kéo dài thước ra mãi và đọc số — chiếc thước không biết rằng tờ giấy đã hết từ lâu.Intuition: It's like measuring a sheet of paper with a ruler, then sliding the ruler out past the edge and reading off numbers anyway — the ruler has no idea the paper ran out long ago.

Định nghĩa đầy đủFull definition1 phút đọc1 min read

Ngoại suy (extrapolation) là dự đoán $\hat y$ từ mô hình hồi quy tại giá trị $x$ nằm ngoài khoảng $[x_{\min},\,x_{\max}]$ đã quan sát. Mô hình chỉ được dữ liệu hỗ trợ trong vùng quan sát; bên ngoài, quan hệ có thể đổi hướng, trở nên phi tuyến hoặc chịu yếu tố mới.

Nội suy dùng $x$ trong khoảng quan sát, còn ngoại suy kéo mô hình vượt khỏi khoảng này nên dự đoán có thể sai lệch nghiêm trọng dù mô hình khớp tốt với mẫu.

Extrapolation is predicting $\hat y$ from a regression model at a value of $x$ that falls outside the observed interval $[x_{\min},\,x_{\max}]$ . The data support the model only within the observed region; beyond it, the relationship may reverse direction, become nonlinear, or be affected by new factors.

Interpolation uses an $x$ inside the observed range, while extrapolation stretches the model past that range, so the prediction can be badly off even when the model fits the sample well.

Hay hiểu saiCommon misconceptions3 ý · 1 phút đọc3 points · 1 min read

Kết quả máy tính và độ khớp cao không bảo đảm ngoại suy đáng tin.

Máy vẫn tính $\hat y$ ; $r$ và $R^2$ chỉ phản ánh độ khớp trên dữ liệu đã quan sát, không xác nhận quan hệ tiếp tục ngoài khoảng đó.

Ngoại suy được xác định bởi $x$ , không bởi vẻ hợp lý của $\hat y$ .

Nếu $x$ ngoài $[x_{\min},x_{\max}]$ , đó vẫn là ngoại suy dù kết quả có vẻ hợp lý; $x$ trong khoảng là nội suy.

Diễn giải hệ số chặn có thể là ngoại suy.

Hệ số chặn dự đoán tại $x=0$ ; nếu dữ liệu không bao phủ vùng này, giá trị đó không có ý nghĩa thực tế trong bối cảnh.

A calculator answer and a strong fit do not make an extrapolation trustworthy.

The calculator will still report $\hat y$ , and $r$ and $R^2$ only describe the fit on the observed data; they say nothing about whether the relationship continues outside that range.

Extrapolation is determined by the value of $x$ , not by whether $\hat y$ looks reasonable.

Any $x$ outside $[x_{\min},x_{\max}]$ gives an extrapolation even if the prediction seems sensible; an $x$ inside the range is interpolation.

Interpreting the intercept can itself be an extrapolation.

The intercept predicts the response at $x=0$ , so if the data never reach that region, the value has no real meaning in context.

Mẹo phòng thiExam tips2 mẹo2 tips

Khi kết luận ngoại suy, hãy nêu rõ $x$ nằm ngoài khoảng quan sát.

Sau đó cảnh báo mô hình có thể không còn đúng nên dự đoán không đáng tin.

Kiểm tra $x_{\min}$ và $x_{\max}$ trước khi tính hoặc diễn giải hệ số chặn.

Tìm khoảng quan sát từ bảng, trục hoành hay mô tả; với hệ số chặn, kiểm tra riêng $x=0$ .

When you call a prediction extrapolation, state explicitly that $x$ lies outside the observed range.

Then warn that the model may no longer hold there, so the prediction is unreliable.

Check $x_{\min}$ and $x_{\max}$ before you compute or interpret the intercept.

Read the observed range from the table, the horizontal axis, or the description; for the intercept, check separately whether $x=0$ falls in that range.

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsHay gặpCommon

Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1870–1875

Ngoại suy là kỹ thuật ước lượng giá trị nằm ngoài khoảng dữ liệu đã quan sát bằng cách kéo dài một hàm số hay một xu hướng đã biết; tên gọi tiếng Anh của nó được ghi nhận lần đầu trong khoảng những năm 1870–1875.

Extrapolation is the technique of estimating a value beyond the range of observed data by extending a known function or trend; the English term is first recorded around 1870–1875.

Vì sao mang đúng cái tên này? Tên gọi ghép từ hai gốc Latinh: extra nghĩa là "bên ngoài" và polire nghĩa là "làm nhẵn, đánh bóng". Cách ghép này mô tả khá sát công việc thật sự đang làm — người ta lấy một hàm số trơn tru đã khớp với dữ liệu rồi kéo dài nó ra vùng bên ngoài, thay vì đo đạc trực tiếp ở đó. Chính chữ extra là điểm phân biệt cốt lõi với nội suy (interpolation), vốn mang gốc inter nghĩa là "ở giữa" và chỉ ước lượng những giá trị nằm lọt trong khoảng dữ liệu đã có. Nhớ được cặp gốc từ này thì gần như không thể nhầm hai khái niệm với nhau trong đề thi.

Nguồn đối chiếuSources

Thử nghiệm tương tácInteractive explorer

Khớp đường thẳng trên trẻ 2–10 tuổi, rồi hỏi nó chiều cao ở tuổi 30

Kéo tham số, thấy khái niệm chuyển động — đăng nhập để mở.Drag the parameters and watch the concept move — sign in to open.

Tạo tài khoảnCreate an account

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termDự đoán với linear regression model (mô hình hồi quy tuyến tính)Phân tích hồi quy · khoácourse AP Statistics

Bài học chứa thuật ngữ nàyLesson that uses this termHồi quy bình phương tối thiểuPhân tích hồi quy · khoácourse AP Statistics

Cần trướcLearn firstđường hồi quy bình phương tối thiểuleast-squares regression line

Dẫn tớiLeads tobiểu đồ phân tánscatterplot

Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Thuật ngữTermKhác nhau ở đâuHow they differHay nhầm khiMixed up when

điểm có đòn bẩy caohigh-leverage point

Khác nhau ở đâuHow they differĐiểm có đòn bẩy cao là điểm dữ liệu đã quan sát được nằm xa trung tâm của biến giải thích, còn ngoại suy là hành động dự đoán tại giá trị chưa từng quan sát

Hay nhầm khiMixed up whenđề hỏi về độ tin cậy của dự đoán ở vùng giá trị cực biên, thí sinh dễ nhầm hai khái niệm vì cả hai đều liên quan đến giá trị xa vùng dữ liệu chính

Cùng chủ đềSame topic

Nguồn tham khảoReferences

[1]Barron_AP_Stat_2026. tr. 171, 218, 686.