Viene calcolato come segue:<\/span><\/p>\n MAPE<\/strong> = (1\/n) * \u03a3(|effettivo \u2013 previsto| \/ |effettivo|) * 100<\/span><\/p>\n Oro:<\/span><\/p>\n MAPE \u00e8 comunemente usato perch\u00e9 \u00e8 facile da interpretare. Ad<\/span> esempio, un valore MAPE del 14% significa che la differenza media tra il valore previsto e il valore effettivo \u00e8 del 14%.<\/span><\/p>\n L’esempio seguente mostra come calcolare e interpretare un valore MAPE per un determinato modello.<\/span><\/p>\n 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:<\/span> <\/p>\n Possiamo utilizzare la seguente formula per calcolare l’errore percentuale assoluto di ciascuna previsione:<\/span><\/p>\n Possiamo quindi calcolare la media delle percentuali di errore assoluto:<\/span> <\/p>\n Il MAPE per questo modello risulta essere 5,12%<\/strong> .<\/span><\/p>\n Ci\u00f2 ci dice che l’errore percentuale medio assoluto tra le vendite previste dal modello e le vendite effettive \u00e8 del 5,12%<\/strong> .<\/span><\/p>\n Determinare se questo sia un buon valore per MAPE<\/a> dipende dagli standard del settore.<\/span><\/p>\n Se l’industria alimentare standard producesse un modello con un valore MAPE del 2%, allora questo valore del 5,12% potrebbe essere considerato elevato.<\/span><\/p>\n 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% pu\u00f2 essere considerato basso e questo modello pu\u00f2 essere considerato eccellente per prevedere le vendite future.<\/span><\/p>\n MAPE \u00e8 particolarmente utile per confrontare l’adattamento di diversi modelli.<\/span><\/p>\n 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.<\/span><\/p>\n Supponiamo che corrispondano a tre modelli diversi e trovino i valori MAPE corrispondenti:<\/span><\/p>\n Il modello 3 ha il valore MAPE pi\u00f9 basso, il che ci dice che \u00e8 in grado di prevedere le vendite future con la massima precisione tra i tre potenziali modelli.<\/span><\/p>\n Come calcolare MAPE in Excel<\/a> Uno dei parametri pi\u00f9 comunemente utilizzati per misurare l’accuratezza delle previsioni di un modello \u00e8 l’ errore percentuale medio assoluto , spesso abbreviato in MAPE . Viene calcolato come segue: MAPE = (1\/n) * \u03a3(|effettivo \u2013 previsto| \/ |effettivo|) * 100 Oro: \u03a3 \u2013 Un simbolo che significa \u201csomma\u201d n \u2013 Dimensione del campione effettivo […]<\/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\n
Esempio: interpretare il valore MAPE per un dato modello<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret1.png\")
<\/p>\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mape_interpret3.png\")
<\/p>\n Confronto dei valori MAPE di diversi modelli<\/strong><\/span><\/h3>\n
\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare MAPE in R<\/a>
Come calcolare MAPE in Python<\/a>
Calcolatore MAPE<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"