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 MAPE , que significa error porcentual absoluto medio .
La fórmula para calcular MAPE es la siguiente:
MAPE = (1 / n) * Σ (| real – pronóstico | / | real |) * 100
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
MAPE se usa comúnmente porque es fácil de interpretar y explicar. Por ejemplo, un valor MAPE del 8% significa que la diferencia promedio entre el valor pronosticado y el valor real es del 8%.
Una de las preguntas más comunes que tienen las personas al usar esta métrica es:
¿Qué es un buen valor para MAPE?
La respuesta insatisfactoria: depende .
Obviamente, cuanto menor sea el valor de MAPE, mejor, pero no existe un valor específico que pueda llamar «bueno» o «malo». Depende de un par de factores:
- El tipo de industria
- El valor de MAPE en comparación con un modelo de pronóstico simple
Exploremos estos dos factores en profundidad.
MAPE varía según la industria
A menudo, las empresas crean pronósticos para la demanda de sus productos y luego utilizan MAPE como una forma de medir la precisión de los pronósticos.
Desafortunadamente, no existe un valor MAPE “estándar” porque puede variar mucho según el tipo de empresa.
Por ejemplo, una empresa que rara vez cambia sus precios probablemente tendrá una demanda constante y predecible, lo que significa que puede tener un modelo que produce un MAPE muy bajo, quizás por debajo del 3%.
Para otras empresas que realizan promociones y ofertas especiales constantemente, su demanda variará mucho con el tiempo y, por lo tanto, un modelo de pronóstico probablemente tendrá más dificultades para predecir la demanda con tanta precisión, lo que significa que los modelos pueden tener un valor más alto para MAPE.
Debe ser muy escéptico con respecto a los “estándares de la industria” para MAPE.
Compare MAPE con un modelo de pronóstico simple
En lugar de intentar comparar el MAPE de su modelo con algún valor «bueno» arbitrario, debería compararlo con el MAPE de modelos de pronóstico simples.
Hay dos modelos de pronóstico simples bien conocidos:
1. El método de pronóstico promedio.
Este tipo de modelo de pronóstico simplemente predice que el valor para el próximo período próximo será el promedio de todos los períodos anteriores. Aunque este método parece demasiado simplista, en realidad tiende a funcionar bien en la práctica.
2. El método de pronóstico ingenuo.
Este tipo de modelo de pronóstico predice que el valor para el próximo período próximo será igual al período anterior. Nuevamente, aunque este método es bastante simple, tiende a funcionar sorprendentemente bien.
Al desarrollar un nuevo modelo de pronóstico, debe comparar el MAPE de ese modelo con el MAPE de estos dos métodos de pronóstico simples.
Si el MAPE de su nuevo modelo no es significativamente mejor que estos dos métodos, entonces no debería considerarlo útil.
Pensamientos finales
Aunque MAPE se usa ampliamente y es fácil de interpretar, existen un par de posibles inconvenientes en su uso:
1. Dado que la fórmula para calcular el error porcentual absoluto es | pronóstico real | / | actual | esto significa que no estará definido si alguno de los valores reales es cero.
2. MAPE no debe usarse con datos de bajo volumen. Por ejemplo, si la demanda real de algún artículo es 2 y el pronóstico es 1, el valor del error porcentual absoluto será | 2-1 | / | 2 | = 50%, lo que hace que parezca que el error de pronóstico es bastante alto, a pesar de que el pronóstico solo tiene una diferencia de una unidad.
Las posibles alternativas a MAPE incluyen la desviación absoluta media y la raíz del error cuadrático medio.
Recursos adicionales
Cómo calcular MAPE en Excel
Cómo calcular MAPE en R
Cómo calcular MAPE en Python
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
¿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: