Ekstrapolēt nozīmē izmantot zināmo uzvedību, lai prognozētu tā turpmāko uzvedību. Novērotājs var ekstrapolēt, izmantojot formulu, datus, kas sakārtoti grafikā vai ieprogrammēti datora modelī. Pēc zinātniskās metodes ekstrapolācija ir viens no paņēmieniem, ko analītiķis izmanto, lai vispārinātu no dažāda veida savāktajiem datiem. Izmantotās matemātiskās ekstrapolācijas veids būs atkarīgs no tā, vai savāktie dati ir nepārtraukti vai periodiski.
Ikdienas ekstrapolācijas piemēru ilustrē tas, kā gājēji droši šķērso noslogotas ielas. Kad gājēji šķērso ielu, viņi neapzināti vāc informāciju par pretī braucošās automašīnas ātrumu. Piemēram, acs var fiksēt priekšējo lukturu paplašināšanos vairākos dažādos laika punktos, un pēc tam smadzenes ekstrapolē vai projicē transportlīdzekļa kustību nākotnē, spriežot, vai transportlīdzeklis ieradīsies gājēja vietā pirms tam, vai pēc tam viņš vai viņa ir varējis šķērsot ielu.
Lietišķajā matemātikā var atrast formulu, kas atbilst jebkuriem datiem, kas savākti par fiziskā Visuma uzvedību — ekstrapolāciju, ko sauc par līknes pielāgošanu. Katrai līknei, kas atbilst datiem, ir vienādojums, kas atspoguļo citas labi dokumentētas, līdzīgas darbības. Vispārināto vienādojumu konstantes un pakāpes var tikt piemērotas datiem, lai prognozētu vai ekstrapolētu datu izmaiņas ārpus apkopotā diapazona. Datoru modeļos, kur dati ir zināmi noteiktās vietās, nevis citās, var ģenerēt nepārtrauktu paredzamo datu spektru. Kad dati tiek ģenerēti starp zināmiem datu punktiem, process parasti tiek saukts par interpolāciju, taču tiek izmantotas tās pašas metodes: skaitļošanas programmatūra cietvielu modelēšanai izmanto galīgo elementu metodes, lai interpolētu, savukārt programmas šķidrumu modelēšanai izmanto ierobežota tilpuma metodes.
Daži ekstrapolācijas veidi ir atkarīgi no matemātisko vienādojumu nosacījumiem, ko izmanto datu izvietošanai — lineāro, polinomu un eksponenciālo. Ja divas datu kopas viena ar otru mainās nemainīgā ātrumā, ekstrapolācija ir lineāra — to var attēlot ar nemainīga slīpuma līniju. Polinoma ekstrapolācijas piemērs ir dati, kas atbilst konusveida un sarežģītākām formām, kas satur trešās, ceturtās vai augstākas kārtas vienādojumus. Jo augstāka ir vienādojuma secība, jo vairāk dati atspoguļo svārstības, līknes vai viļņus. Piemēram, datos ir tik daudz maksimumu un minimumu, cik secībā tie atbilst vislabākajam vienādojumam.
Eksponenciālā ekstrapolācija aptver datu kopas, kas eksponenciāli aug vai samazinās. Ģeometriskā izaugsme vai samazināšanās ir eksponenciālās ekstrapolācijas piemērs. Šāda veida prognozes var vizualizēt kā iedzīvotāju līknes, kas parāda dzimstības un mirstības rādītājus — iedzīvotāju skaita pieaugumu un samazināšanos. Piemēram, diviem vecākiem ir divi bērni, bet tiem diviem, katram ir divi, tā ka trīs paaudzēs mazbērnu skaits būs divi līdz trešajai pakāpei jeb trīs koeficients — divi reizināts ar sevi trīs reizes — rezultātā. astoņos mazbērnos.
Ekstrapolēto datu lietderība ir atkarīga gan no sākotnējo datu vākšanas metodes, gan no izvēlētās ekstrapolācijas metodes. Dati var būt vienmērīgi un nepārtraukti, piemēram, velosipēda kustība, kas ripo lejup. Tas var būt arī saraustīts, ja velosipēdists spiež savu velosipēdu uz kalnu lēkmju un iedarbināšanas laikā. Lai veiktu sekmīgu ekstrapolāciju, analītiķim ir jāatpazīst uzvedības iezīmes, ko viņš plāno modelēt.