예측 오차

예측 오차 계산은 과거 예측의 품질에 대한 정량적 추정을 제공하며, 예측의 정확성을 통계적으로 표현하는 데 도움이 되는 다양한 계산을 사용할 수 있습니다.

다음 표에는 표준 예측 오차 계산이 나와 있습니다.

이름	설명	계산
편향	편향은 예측을 너무 높거나 너무 낮게 만드는 일관된 오차입니다. 현재 및 과거 예측에서 실제 수요와 예측 수요 사이에 일관된 차이가 있는 경우 예측이 편향됩니다. 이 계산은 예측 오차를 반환하여 일관된 과대 또는 과소 예측을 측정합니다.	(Sum actuals - Sum forecast) / Sum actuals
평균	값 그룹의 산술 평균입니다.	Average(values)
평균 절대 편차(MAD)	MAD는 예측의 오차가 평균적으로 얼마나 큰지 보여줍니다. 그러나 MAD는 평균 오차를 단위로 반환하기 때문에 비교에 그다지 유용하지 않은 경우도 있습니다. MAD는 관측값과 기대값 간 편차의 절대값 평균입니다.	Average(Abs(forecast - actual))
평균 절대 백분율 오차(MAPE)	MAPE는 판매량과 관련된 예측 오차를 나타냅니다. 기본적으로 예측이 평균적으로 몇 퍼센트나 빗나가는지 알려줍니다. MAPE는 수요를 계획할 때 가장 일반적으로 사용되는 예측 지표일 수 있습니다.	MAPE는 MAD를 평균 수요로 나눈 다음 100을 곱하여 계산합니다. (1 / sample size) × ∑((actual - forecast) / actual) × 100
평균 절대 조정 오차(MASE)	MASE는 예측값의 평균 절대 오차를 표본 내 단순 예측의 평균 절대 오차로 나눈 값입니다. MASE는 예측의 비교 정확도를 결정하는 데 권장되는 계산입니다.	Average(Abs(forecast - actual)) / ((1 / sample size) × ∑((actual - forecast) / actual))
평균 제곱 오차(MSE)	MSE는 추정값과 실제값 사이의 평균 제곱 차이를 측정합니다. 잔차의 합을 총 데이터 포인트 수로 나눈 다음 몫의 제곱근을 구합니다.	(1 / sample size) × Σ(actual - forecast)2
추적 신호	이 계산은 과소 예측 또는 과대 예측 등 지속적 편향을 측정합니다. 추적 신호는 예측값과 실제값 간 편차의 누적 대수 합계와 평균 절대 편차의 비율입니다. 이 계산을 사용하면 예측 모델이 편향될 때 알림을 받을 수 있습니다.	예측 오차의 누적 합계(추정된 예측과 실제값 사이의 편차) 대 평균 절대 편차의 비율. 평균 절대 편차는 예측 오차(예측 및 실제값)의 누적 절대 합계 대 기간 수의 비율입니다.
가중 평균 절대 백분율 오차(WMAPE)	WMAPE는 실제 수요를 기준으로 예측 오차의 가중치를 부여합니다. 우선순위가 지정된 항목에 가중치를 부여하여 예측 오류를 해당 항목으로 편향시킵니다. MAPE는 제품 간 또는 특정 시점의 우선순위 차이를 고려하지 않기 때문에 WMPE가 자주 사용됩니다.	∑ (weight|forecast – actual demand|) / ∑ (weight|actual demand|)