I statistiken gör du prognoser baserade på den information du har tillgänglig. Tyvärr matchar inte prognoserna alltid de faktiska värden som genereras av data. Att veta skillnaden mellan prognoserna och de faktiska värdena för dina data är användbart eftersom det kan hjälpa dig att förfina framtida prognoser och göra dem mer exakta. För att ta reda på hur stor skillnad det finns mellan dina prognoser och det faktiska producerade värdet måste du beräkna det genomsnittliga absoluta felet (även känt som MAE) för data.
Innan du kan beräkna MAE för dina data måste du först beräkna summan av absoluta fel (SAE). Formeln för SAE är
som kan verka förvirrande först om du inte är van vid sigma-notering. Det faktiska förfarandet är dock ganska enkelt.
Subtrahera det sanna värdet (betecknas medxt) från det uppmätta värdet (betecknas medxi), vilket möjligen genererar ett negativt resultat beroende på dina datapunkter. Ta det absoluta värdet av resultatet för att generera ett positivt tal. Som ett exempel, omxi är 5 ochxt är 7:
Upprepa denna process för varje uppsättning mätningar och prognoser i dina data. Antalet uppsättningar anges medni formeln, med
vilket indikerar att processen börjar vid den första uppsättningen (i= 1) och upprepar totaltngånger. I det föregående exemplet antar du att de tidigare punkterna som användes var en av tio par datapunkter. Förutom de 2 som genererats tidigare genererar de återstående punktuppsättningarna absoluta värden på 1, 4, 3, 4, 2, 6, 3, 2 och 9.
När du har beräknat SAE måste du hitta medel- eller medelvärdet för de absoluta felen. Använd formeln
för att få detta resultat. Du kan också se de två formlerna kombinerade till en, som ser ut som
men det finns ingen funktionell skillnad mellan de två.
Dela din SAE medn, vilket som nämnts ovan är det totala antalet poänguppsättningar i dina data. Fortsatt med föregående exempel ger detta oss
Runda din summa till ett visst antal signifikanta siffror om det behövs. Det finns inget behov av detta i exemplet som används ovan, men en beräkning som tillhandahåller siffror som MAE = 2.34678361 eller en upprepad siffra kan behöva avrundas till något mer hanterbart som MAE = 2.347. Antalet efterföljande siffror som används beror på personliga preferenser och de tekniska specifikationerna för det arbete du utför.