Ad esempio, supponiamo di avere le seguenti vendite di un determinato prodotto durante i primi tre mesi dell’anno:<\/span> <\/p>\n Le previsioni di vendita di aprile equivarrebbero semplicemente alle vendite effettive del marzo precedente:<\/span> <\/p>\n Sebbene questo metodo sia semplice, tende a funzionare sorprendentemente bene nella pratica.<\/span><\/p>\n Questo tutorial fornisce un esempio passo passo di come eseguire previsioni ingenue in R.<\/span><\/p>\n Innanzitutto, inseriremo i dati di vendita su un periodo di 12 mesi presso un’azienda immaginaria:<\/span><\/p>\n Successivamente, utilizzeremo le seguenti formule per creare previsioni ingenue per ogni mese:<\/span><\/p>\n Tieni presente che abbiamo semplicemente utilizzato NA<\/strong> per il primo valore previsto.<\/span><\/p>\n Infine, dobbiamo misurare l\u2019accuratezza delle previsioni. Due parametri comuni utilizzati per misurare la precisione includono:<\/span><\/p>\n Possiamo utilizzare il seguente codice per calcolare entrambe le metriche:<\/span><\/p>\n L’errore percentuale medio assoluto \u00e8 9,898%<\/strong> e l’errore medio assoluto \u00e8 3,45.<\/strong><\/span><\/p>\n Per scoprire se questa previsione \u00e8 utile, possiamo confrontarla con altri modelli di previsione e vedere se la precisione della misurazione \u00e8 migliore o peggiore.<\/span><\/p>\n Infine, possiamo creare un semplice grafico a linee per visualizzare le differenze tra le vendite effettive e le previsioni di vendita ingenue durante ciascun periodo:<\/span> <\/p>\n Tieni presente che la linea di vendita prevista \u00e8 essenzialmente una versione spostata della linea di vendita effettiva.<\/span><\/p>\n Questo \u00e8 esattamente ci\u00f2 che ci aspetteremmo poich\u00e9 la previsione ingenua prevede semplicemente che le vendite nel periodo corrente equivarranno alle vendite del periodo precedente.<\/span><\/p>\n Come calcolare il MAE in R<\/a> Una previsione ingenua \u00e8 quella in cui la previsione per un dato periodo \u00e8 semplicemente uguale al valore osservato nel periodo precedente. Ad esempio, supponiamo di avere le seguenti vendite di un determinato prodotto durante i primi tre mesi dell’anno: Le previsioni di vendita di aprile equivarrebbero semplicemente alle vendite effettive del marzo precedente: Sebbene […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/naive_forecast1.png\")
<\/p>\n![\"Esempio](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/naive_forecast2.png\")
<\/p>\n Passaggio 1: inserisci i dati<\/strong><\/span><\/h3>\n
#create vector to hold actual sales data<\/span>\nactual <- c(34, 37, 44, 47, 48, 48, 46, 43, 32, 27, 26, 24)\n<\/strong><\/pre>\n Passaggio 2: generare previsioni ingenue<\/strong><\/span><\/h3>\n
#generate naive forecasts<\/span>\nforecast <- c(NA, actual[- length<\/span> (actual)])\n\n#view naive forecasts<\/span>\nforecast\n\n[1] NA 34 37 44 47 48 48 46 43 32 27 26\n<\/strong><\/pre>\n Passaggio 3: misurare l’accuratezza della previsione<\/strong><\/span><\/h3>\n
\n
#calculate MAPE\n<\/span>mean(abs((actual-forecast)\/actual), na. rm<\/span> = T<\/span> ) * 100\n\n[1] 9.898281\n\n#calculate MAE\n<\/span>mean(abs(actual-forecast), na. rm<\/span> = T<\/span> )\n\n[1] 3.454545\n<\/strong><\/pre>\n Passaggio 4: visualizza la previsione<\/strong><\/span><\/h3>\n
#plot actual sales\n<\/span>plot(actual, type=' l<\/span> ', col = ' red<\/span> ', main=' Actual vs. Forecasted Sales<\/span> ',\n xlab=' Sales Period<\/span> ', ylab=' Sales<\/span> ')\n\n#add line for forecasted sales\n<\/span>lines(forecast, type=' l<\/span> ', col = ' blue<\/span> ')\n\n#add legend\n<\/span>legend(' topright<\/span> ', legend=c(' Actual<\/span> ', ' Forecasted<\/span> '),\n col=c(' red<\/span> ', ' blue<\/span> '), lty=1)\n<\/strong><\/pre>\n![\"La](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/naifr1.png\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare MAPE in R<\/a>
Qual \u00e8 il valore considerato buono per MAPE?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"