Statistikas koostate prognoose olemasolevate andmete põhjal. Kahjuks ei ühti prognoosid alati andmete loodud tegelike väärtustega. Prognooside ja andmete tegelike väärtuste vahelise erinevuse teadmine on kasulik, kuna see aitab teil tulevasi prognoose täpsustada ja täpsemaks muuta. Et teada saada, kui suur erinevus on teie prognooside ja toodetud tegeliku väärtuse vahel, peate arvutama andmete keskmise absoluutse vea (tuntud ka kui MAE).
Enne kui saate oma andmete MAE arvutada, peate kõigepealt arvutama absoluutsete vigade summa (SAE). SAE valem on
mis võib tunduda esialgu segane, kui te pole sigmakirjaga harjunud. Tegelik protseduur on siiski üsna lihtne.
Lahutage tegelik väärtus (tähistabxt) mõõdetud väärtusest (tähistabxi), mis võib tekitada negatiivse tulemuse sõltuvalt teie andmepunktidest. Positiivse arvu genereerimiseks võtke tulemuse absoluutväärtus. Näitena, kuixi on 5 jaxt on 7:
Korrake seda protsessi kõigi oma andmete mõõtmiste ja prognooside jaoks. Komplektide arvu tähistabnvalemis koos
mis näitab, et protsess algab esimesest komplektist (i= 1) ja kordab kokkunkorda. Eeldage eelmises näites, et eelmised kasutatud punktid olid üks kümnest andmepunktide paarist. Lisaks eelnevalt genereeritud kahele genereerivad ülejäänud punktikomplektid absoluutväärtused 1, 4, 3, 4, 2, 6, 3, 2 ja 9.
Kui olete arvutanud SAE, peate leidma absoluutvigade keskmise või keskmise väärtuse. Kasutage valemit
selle tulemuse saamiseks. Võite ka näha kahte valemit ühendatud üheks, mis näeb välja
kuid nende kahe vahel pole funktsionaalset erinevust.
Jagage oma SAEn, mis, nagu eespool mainitud, on teie andmete punktikomplektide koguarv. Eelmise näitega jätkates annab see meile
Vajadusel ümardage koguarv määratud arvu oluliste numbriteni. Eespool kasutatud näites pole seda vaja, kuid arvud, nagu MAE = 2.34678361 või korduv joonis, võivad vajada ümardamist millegagi paremini hallatavaks, näiteks MAE = 2.347. Kasutatavate lõpunumbrite arv sõltub isiklikest eelistustest ja teie tehtud töö tehnilistest kirjeldustest.