Come interpretare i valori mape

Uno dei parametri più comunemente utilizzati per misurare l’accuratezza delle previsioni di un modello è l’ errore percentuale medio assoluto , spesso abbreviato in MAPE .

Viene calcolato come segue:

MAPE = (1/n) * Σ(|effettivo – previsto| / |effettivo|) * 100

Oro:

• Σ – Un simbolo che significa “somma”
• n – Dimensione del campione
• effettivo – Il valore reale dei dati
• previsione – Il valore previsto dei dati

MAPE è comunemente usato perché è facile da interpretare. Ad esempio, un valore MAPE del 14% significa che la differenza media tra il valore previsto e il valore effettivo è del 14%.

L’esempio seguente mostra come calcolare e interpretare un valore MAPE per un determinato modello.

Esempio: interpretare il valore MAPE per un dato modello

Supponiamo che una catena di alimentari stia costruendo un modello per prevedere le vendite future. Il grafico seguente mostra le vendite effettive e le vendite previste del modello per 12 periodi di vendita consecutivi:

Possiamo utilizzare la seguente formula per calcolare l’errore percentuale assoluto di ciascuna previsione:

• Percentuale di errore assoluto = |previsione effettiva| / |reale| *100

Possiamo quindi calcolare la media delle percentuali di errore assoluto:

Il MAPE per questo modello risulta essere 5,12% .

Ciò ci dice che l’errore percentuale medio assoluto tra le vendite previste dal modello e le vendite effettive è del 5,12% .

Determinare se questo sia un buon valore per MAPE dipende dagli standard del settore.

Se l’industria alimentare standard producesse un modello con un valore MAPE del 2%, allora questo valore del 5,12% potrebbe essere considerato elevato.

Al contrario, se la maggior parte dei modelli di previsione del settore alimentare producono valori MAPE compresi tra il 10% e il 15%, allora un valore MAPE del 5,12% può essere considerato basso e questo modello può essere considerato eccellente per prevedere le vendite future.

Confronto dei valori MAPE di diversi modelli

MAPE è particolarmente utile per confrontare l’adattamento di diversi modelli.

Supponiamo, ad esempio, che una catena di alimentari desideri creare un modello per prevedere le vendite future e desideri trovare il miglior modello possibile tra diversi modelli potenziali.

Supponiamo che corrispondano a tre modelli diversi e trovino i valori MAPE corrispondenti:

• MAPE del Modello 1: 14,5%
• Modello 2 MAPE: 16,7%
• MAPE Modello 3: 9,8%

Il modello 3 ha il valore MAPE più basso, il che ci dice che è in grado di prevedere le vendite future con la massima precisione tra i tre potenziali modelli.

Risorse addizionali

Come calcolare MAPE in Excel
Come calcolare MAPE in R
Come calcolare MAPE in Python
Calcolatore MAPE