Contenido de este artículo
- 0
- 0
- 0
- 0
Una de las métricas más comunes que se utilizan para medir la precisión del pronóstico de un modelo es MSE , que significa error cuadrático medio . Se calcula como:
MSE = (1 / n) * Σ (real – pronóstico) 2
dónde:
- Σ – un símbolo elegante que significa «suma»
- n – tamaño de la muestra
- actual : el valor de los datos reales
- pronóstico : el valor de datos pronosticado
Cuanto menor sea el valor de MSE, mejor podrá un modelo pronosticar valores con precisión.
Cómo calcular MSE en Excel
Para calcular MSE en Excel, podemos realizar los siguientes pasos:
Paso 1: Ingrese los valores reales y los valores pronosticados en dos columnas separadas.
Paso 2: Calcule el error al cuadrado de cada fila.
Recuerde que el error al cuadrado se calcula como: (real – pronóstico) 2 . Usaremos esta fórmula para calcular el error al cuadrado de cada fila.
La columna D muestra el error al cuadrado y la columna E muestra la fórmula que usamos:
Repite esta fórmula para cada fila:
Paso 3: Calcule el error cuadrático medio.
Calcule MSE simplemente encontrando el promedio de los valores en la columna D:
El MSE de este modelo resulta ser 5.917 .
Recursos adicionales
Otras dos métricas populares que se utilizan para evaluar la precisión del modelo son MAD (desviación absoluta media) y MAPE (error porcentual absoluto medio). Los siguientes tutoriales explican cómo calcular estas métricas en Excel:
Cómo calcular la desviación media absoluta (MAD) en Excel
Cómo calcular el error de porcentaje absoluto medio (MAPE) en Excel
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
Redactor del artículo
¿Te hemos ayudado?
Ayudanos ahora tú, dejanos un comentario de agradecimiento, nos ayuda a motivarnos y si te es viable puedes hacer una donación:La ayuda no cuesta nada
Por otro lado te rogamos que compartas nuestro sitio con tus amigos, compañeros de clase y colegas, la educación de calidad y gratuita debe ser difundida, recuerdalo:
