Sisu
Statistikas koostate prognoose olemasolevate andmete põhjal. Kahjuks ei vasta prognoos alati andmete tegelike väärtustega. Prognooside ja teie andmete tegelike väärtuste erinevuse tundmine on kasulik, kuna see aitab teil tulevasi prognoose täpsustada ja täpsustada. Et teada saada, kui suur erinevus teie prognooside ja toodetud tegeliku väärtuse vahel on, peate arvutama andmete keskmise absoluutse vea (tuntud ka kui MAE).
Arvutage SAE
Enne kui saate arvutada oma andmete MAE-d, peate kõigepealt arvutama absoluutsete vigade summa (SAE). SAE valem on Σni = 1| xi - xt|, mis võib alguses tunduda segane, kui te pole sigma märkimisega harjunud. Tegelik protseduur on siiski üsna lihtne.
Lahutage tegelik väärtus (tähisega xt) mõõdetud väärtusest (tähistatud x-gai), mis võib sõltuvalt teie andmepunktidest anda negatiivse tulemuse. Positiivse arvu saamiseks võtke tulemuse absoluutväärtus. Näiteks kui xi on 5 ja xt on 7, 5 - 7 = -2. -2 absoluutväärtus (mida tähistab | -2 |) on 2.
Korrake seda toimingut kõigi andmete mõõte- ja prognoosikomplektide korral. Komplektide arvu tähistab valemis n, tähega Σn i = 1 mis näitab, et protsess algab esimesest komplektist (i = 1) ja kordub kokku n korda. Eelmises näites oletagem, et eelnevad kasutatud punktid olid üks kümnest andmepunkti paarist. Lisaks varem genereeritud 2-le genereerivad ülejäänud punktikomplektid absoluutväärtusi 1, 4, 3, 4, 2, 6, 3, 2 ja 9.
SAE loomiseks lisage absoluutväärtused. Näiteks annab see meile SAE = 2 + 1 + 4 + 3 + 4 + 2 + 6 + 3 + 2 + 9, mis kokku liites annab meile SAE 36.
Arvutage MAE
Kui olete SAE välja arvutanud, peate leidma absoluutvigade keskmise või keskmise väärtuse. Selle tulemuse saamiseks kasutage valemit MAE = SAE ÷ n. Võite näha ka kahte valemit ühendatuna, mis näeb välja järgmine: MAE = (Σni = 1| xi - xt|) ÷ n, kuid nende vahel puudub funktsionaalne erinevus.
Jagage oma SAE arvuga n, mis, nagu eespool mainitud, on teie andmetes punktikomplektide koguarv. Eelmise näitega jätkates annab see meile MAE = 36 ÷ 10 või 3,6.
Ümardage koguarv vajaduse korral kindlaksmääratud arvuni. Ülaltoodud näites pole seda vaja, kuid arvutus, mis sisaldab selliseid arvnäitajaid nagu MAE = 2.34678361 või korduv arv, võib vajada ümardamist millekski paremini hallatavaks, näiteks MAE = 2.347. Kasutatavate lõppnumbrite arv sõltub isiklikest eelistustest ja teie tehtud töö tehnilistest kirjeldustest.