Ve statistikách vytváříte prognózy na základě údajů, které máte k dispozici. Předpovědi se bohužel ne vždy shodují se skutečnými hodnotami generovanými údaji. Znalost rozdílu mezi prognózami a skutečnými hodnotami vašich dat je užitečná, protože vám pomůže vylepšit budoucí prognózy a zpřesnit je. Chcete-li zjistit, jak velký je rozdíl mezi vašimi prognózami a skutečnou produkovanou hodnotou, musíte vypočítat průměrnou absolutní chybu (označovanou také jako MAE) dat.
Než budete moci vypočítat MAE svých dat, musíte nejprve vypočítat součet absolutních chyb (SAE). Vzorec pro SAE je
které se na první pohled mohou zdát matoucí, pokud nejste zvyklí na sigma notaci. Skutečný postup je však poměrně přímočarý.
Odečtěte skutečnou hodnotu (označenouXt) z naměřené hodnoty (označenoXi), což může vést k negativnímu výsledku v závislosti na vašich datových bodech. Vezměte absolutní hodnotu výsledku a vygenerujte kladné číslo. Jako příklad, pokudXi je 5 aXt je 7:
Tento postup opakujte pro každou sadu měření a předpovědí ve vašich datech. Počet sad je označennve vzorci s
což znamená, že proces začíná první sadou (i= 1) a opakuje celkemnkrát. V předchozím příkladu předpokládejme, že předchozí použité body byly jedním z 10 párů datových bodů. Kromě 2 generovaných dříve generují zbývající bodové sady absolutní hodnoty 1, 4, 3, 4, 2, 6, 3, 2 a 9.
Jakmile vypočítáte SAE, musíte najít střední nebo průměrnou hodnotu absolutních chyb. Použijte vzorec
získat tento výsledek. Můžete také vidět dva vzorce sloučené do jednoho, což vypadá jako
ale není mezi nimi žádný funkční rozdíl.
Vydělte svůj SAEn, což, jak je uvedeno výše, je celkový počet bodových sad ve vašich datech. Pokračováním v předchozím příkladu nám to dává
V případě potřeby zaokrouhlete svůj součet na stanovený počet platných číslic. Ve výše uvedeném příkladu to není nutné, ale výpočet poskytující údaje, jako je MAE = 2.34678361 nebo opakující se obrázek, může vyžadovat zaokrouhlování na něco lépe zvládnutelného, jako je MAE = 2.347. Počet použitých koncových číslic závisí na osobních preferencích a technických specifikacích vaší práce.