Error de previsión

Los cálculos de errores de previsión brindan una estimación cuantitativa de la calidad de las previsiones anteriores, y cuenta con una amplia gama de cálculos que lo ayudan a expresar estadísticamente la precisión de una previsión.

La tabla siguiente contiene cálculos de errores de previsión estándar.

Nombre	Descripción	Cálculo
Sesgo	El sesgo es un error constante que hace que una previsión sea demasiado alta o demasiado baja. Una previsión está sesgada si hay una diferencia constante entre la demanda real y la prevista en las previsiones actuales e históricas. Este cálculo indica el error de previsión y mide una previsión excesiva o insuficiente constante.	(Sum actuals - Sum forecast) / Sum actuals
Media	La media aritmética de un grupo de valores.	Average(values)
Desviación absoluta media (MAD)	La MAD muestra qué tan grande es, en promedio, un error en la previsión. Sin embargo, dado que la MAD indica el error medio en unidades, a veces no es muy útil para realizar comparaciones. La MAD es el promedio de los valores absolutos de las desviaciones entre los valores observados y los valores esperados.	Average(Abs(forecast - actual))
Error porcentual absoluto medio (MAPE)	El MAPE expresa el error de pronóstico en relación con el volumen de ventas. Básicamente, indica en cuántos puntos porcentuales se equivocan los pronósticos en promedio. El MAPE podría ser la métrica de pronóstico más utilizada a la hora de planificar la demanda.	El MAPE se calcula tomando el MAD, dividiéndolo por la demanda media y multiplicándolo por 100. (1 / sample size) × ∑((actual - forecast) / actual) × 100
Error de escala absoluto medio (MASE)	El MASE es el error absoluto medio de los valores de pronóstico, dividido por el error absoluto medio del pronóstico ingenuo de la muestra. El MASE es el cálculo recomendado para determinar la precisión comparativa de los pronósticos.	Average(Abs(forecast - actual)) / ((1 / sample size) × ∑((actual - forecast) / actual))
Error cuadrático medio (MSE)	El MSE mide la diferencia cuadrática promedio entre los valores estimados y los valores reales. Divida la suma de los residuos entre el número total de puntos de datos y luego extraiga la raíz cuadrada del cociente.	(1 / sample size) × Σ(actual - forecast)2
Señal de seguimiento	Este cálculo mide el sesgo persistente, ya sea un pronóstico insuficiente o excesivo. La señal de seguimiento es la relación entre la suma algebraica acumulada de la desviación entre los pronósticos y los valores reales y la desviación absoluta media. Este cálculo le avisa cuando el modelo de pronóstico está sesgado.	Relación entre la suma acumulada de los errores de pronóstico (las desviaciones entre las previsiones estimadas y los valores reales) y la desviación media absoluta. La desviación media absoluta es la relación entre la suma absoluta acumulada de los errores de pronóstico (valores de pronóstico y reales) y el número de periodos.
Error porcentual absoluto medio ponderado (WMAPE)	El WMAPE pondera el error de previsión en función de la demanda real. Pondera el elemento priorizado y desvía el error de pronóstico hacia él. Como el MAPE no tiene en cuenta las posibles diferencias de prioridad entre los productos o los momentos en el tiempo, se suele utilizar el WMAPE.	∑ (weight|forecast – actual demand|) / ∑ (weight|actual demand|)