Errore di previsione

I calcoli degli errori di previsione forniscono una stima quantitativa della qualità delle previsioni passate ed è disponibile un'ampia gamma di calcoli per aiutarti a esprimere statisticamente l'accuratezza di una previsione.

La tabella seguente contiene i calcoli degli errori di previsione standard.

Nome	Descrizione	Calcolo
Bias	Il bias è un errore costante che fa sì che una previsione sia troppo alta o troppo bassa. Una previsione faziosa se esiste una differenza consistente tra la domanda effettiva e quella prevista nelle previsioni attuali e storiche. Questo calcolo restituisce l'errore di previsione, con valori costanti superiori o inferiori alla previsione.	(Sum actuals - Sum forecast) / Sum actuals
Media	La media aritmetica di un gruppo di valori.	Average(values)
Deviazione media assoluta (MAD)	La MAD mostra l'entità, in media, dell'errore nella previsione. Tuttavia, poiché la MAD restituisce l'errore medio in unità, a volte non è molto utile per i confronti. La MAD è la media dei valori assoluti delle deviazioni tra i valori osservati e i valori previsti.	Average(Abs(forecast - actual))
Errore percentuale assoluto medio (MAPE)	Il MAPE esprime l'errore di previsione in relazione al volume delle vendite. Fondamentalmente, indica di quanti punti percentuali sono errate le previsioni, in media. Il MAPE potrebbe essere il parametro di previsione più comunemente utilizzato per la pianificazione della domanda.	Il MAPE viene calcolato prendendo la MAD, dividendola per la domanda media e quindi moltiplicandola per 100. (1 / sample size) × ∑((actual - forecast) / actual) × 100
Errore scalato assoluto medio (MASE)	Il MASE è l'errore assoluto medio dei valori di previsione, diviso per l'errore assoluto medio della previsione naif inclusa nel campione. Il MASE è il calcolo consigliato per determinare l'accuratezza comparativa delle previsioni.	Average(Abs(forecast - actual)) / ((1 / sample size) × ∑((actual - forecast) / actual))
Errore quadratico medio (MSE)	L'MSE misura la differenza quadratica media tra i valori stimati e i valori effettivi. Dividi la somma dei residui per il numero totale di punti dati, quindi prendi la radice quadrata del quoziente.	(1 / sample size) × Σ(actual - forecast)2
Segnale di tracciamento	Questo calcolo misura i bias persistenti, che si tratti di previsioni insufficienti o eccessive. Il segnale di tracciamento è il rapporto tra la somma algebrica cumulativa della deviazione tra le previsioni e i valori effettivi e la deviazione media assoluta. È possibile utilizzare questo calcolo per avvisare l'utente quando il modello previsionale è fazioso.	Rapporto tra la somma cumulativa degli errori di previsione (le deviazioni tra le previsioni stimate e i valori effettivi) e la deviazione assoluta media. La deviazione assoluta media è il rapporto tra la somma assoluta cumulativa degli errori di previsione (valori previsionali ed effettivi) e il numero di periodi.
Errore percentuale assoluto medio ponderato (WMAPE)	Il WMAPE valuta l'errore di previsione in base alla domanda effettiva. Pondera l'elemento a cui è stata data priorità, orientando l'errore di previsione verso di esso. Poiché il MAPE non tiene conto delle possibili differenze di priorità tra prodotti o momenti temporali, viene spesso utilizzato il WMAPE.	∑ (weight|forecast – actual demand|) / ∑ (weight|actual demand|)