Zawartość
W statystykach tworzysz prognozy na podstawie dostępnych danych. Niestety prognozy nie zawsze są zgodne z rzeczywistymi wartościami generowanymi przez dane. Znajomość różnicy między prognozami a rzeczywistymi wartościami danych jest przydatna, ponieważ może pomóc ci udoskonalić przyszłe prognozy i zwiększyć ich dokładność. Aby dowiedzieć się, jaka jest różnica między twoimi prognozami a rzeczywistą wytworzoną wartością, musisz obliczyć średni błąd bezwzględny (znany również jako MAE) danych.
Oblicz SAE
Przed obliczeniem MAE danych należy najpierw obliczyć sumę błędów bezwzględnych (SAE). Wzór na SAE to Σni = 1| xja - xt|, co może wydawać się mylące, jeśli nie jesteś przyzwyczajony do notowania sigma. Rzeczywista procedura jest jednak dość prosta.
Odejmij prawdziwą wartość (oznaczoną przez xt) od zmierzonej wartości (oznaczonej przez xja), prawdopodobnie generując wynik ujemny w zależności od punktów danych. Weź wartość bezwzględną wyniku, aby wygenerować liczbę dodatnią. Na przykład, jeśli xja wynosi 5 i xt wynosi 7, 5 - 7 = -2. Wartość bezwzględna -2 (oznaczona | -2 |) wynosi 2.
Powtórz ten proces dla każdego zestawu pomiarów i prognoz w swoich danych. Liczba zestawów jest oznaczona przez n we wzorze, przy czym Σn i = 1 wskazując, że proces rozpoczyna się od pierwszego zestawu (i = 1) i powtarza się n razy. W poprzednim przykładzie załóżmy, że poprzednie użyte punkty były jedną z 10 par punktów danych. Oprócz 2 wygenerowanych wcześniej, pozostałe zestawy punktów generują wartości bezwzględne 1, 4, 3, 4, 2, 6, 3, 2 i 9.
Dodaj wartości bezwzględne, aby wygenerować SAE. Na przykład daje to nam SAE = 2 + 1 + 4 + 3 + 4 + 2 + 6 + 3 + 2 + 9, co po zsumowaniu daje nam SAE równy 36.
Oblicz MAE
Po obliczeniu SAE musisz znaleźć średnią lub średnią wartość błędów bezwzględnych. Użyj wzoru MAE = SAE ÷ n, aby uzyskać ten wynik. Możesz także zobaczyć dwie formuły połączone w jedną, która wygląda jak MAE = (Σni = 1| xja - xt|) ÷ n, ale nie ma między nimi żadnej różnicy funkcjonalnej.
Podziel swój SAE przez n, co jak wspomniano powyżej, jest całkowitą liczbą zestawów punktów w twoich danych. Kontynuując poprzedni przykład, daje nam to MAE = 36 ÷ 10 lub 3.6.
W razie potrzeby zaokrąglić sumę do określonej liczby cyfr znaczących. W powyższym przykładzie nie ma takiej potrzeby, ale obliczenia zapewniające liczby takie jak MAE = 2.34678361 lub liczby powtarzające się mogą wymagać zaokrąglenia do czegoś łatwiejszego do zarządzania, takiego jak MAE = 2.347. Liczba użytych cyfr końcowych zależy od osobistych preferencji i specyfikacji technicznych wykonywanej pracy.