בסטטיסטיקה אתה מבצע תחזיות על סמך הנתונים שיש לך. למרבה הצער, התחזיות לא תמיד תואמות את הערכים האמיתיים שנוצרים על ידי הנתונים. ידיעת ההבדל בין התחזיות לערכים בפועל של הנתונים שלך שימושית מכיוון שהיא יכולה לעזור לך לשכלל תחזיות עתידיות ולהפוך אותן למדוייקות יותר. כדי לגלות כמה הבדל יש בין התחזיות שלך לבין הערך האמיתי שהופק, עליך לחשב את השגיאה המוחלטת הממוצעת (המכונה גם MAE) של הנתונים.
לפני שתוכל לחשב את ה- MAE של הנתונים שלך, תחילה עליך לחשב את סכום השגיאות המוחלטות (SAE). הנוסחה ל- SAE היא
שעלול להיראות מבלבל בהתחלה אם אינך רגיל לציון סיגמא. ההליך בפועל פשוט למדי.
הפחת את הערך האמיתי (מסומן על ידיאיקסtמהערך הנמדד (מסומן על ידיאיקסאני), אולי תניב תוצאה שלילית בהתאם לנקודות הנתונים שלך. קח את הערך המוחלט של התוצאה כדי ליצור מספר חיובי. כדוגמה, אםאיקסאני הוא 5 ואיקסt הוא 7:
חזור על תהליך זה עבור כל קבוצת מדידות ותחזיות בנתונים שלך. מספר הסטים מסומן על ידינבנוסחה, עם
המציין כי התהליך מתחיל בקבוצה הראשונה (אני= 1) וחוזר על סךנפִּי. בדוגמה הקודמת, נניח שהנקודות הקודמות שהיו בשימוש היו אחת מתוך 10 זוגות נקודות נתונים. בנוסף ל -2 שנוצרו קודם לכן, קבוצות הנקודות הנותרות מייצרות ערכים מוחלטים של 1, 4, 3, 4, 2, 6, 3, 2 ו- 9.
לאחר שתחשב את ה- SAE, עליך למצוא את הערך הממוצע או הממוצע של השגיאות המוחלטות. השתמש בנוסחה
כדי להשיג את התוצאה הזו. ייתכן שתראה גם את שתי הנוסחאות המשולבות לאחת, שנראית כמו
אך אין הבדל פונקציונלי בין השניים.
חלק את ה- SAE שלך בנ, שכאמור לעיל הוא המספר הכולל של ערכות הנקודות בנתונים שלך. בהמשך לדוגמה הקודמת, זה נותן לנו
לעגל את המספר הכולל למספר מוגדר של ספרות משמעותיות במידת הצורך. אין צורך בכך בדוגמה ששימשה לעיל, אך חישוב המספק נתונים כגון MAE = 2.34678361 או נתון חוזר עשוי להזדקק לעיגול למשהו יותר לניהול כמו MAE = 2.347. מספר הספרות הנגררות בשימוש תלוי בהעדפה האישית ובמפרט הטכני של העבודה שאתה מבצע.