Page 339 - 4512

критерію MSE, є інші статистичні міри помилки, які можуть ви-
користовуватися, щоб визначити оптимальний параметр  (усі
зміри будуть автоматично вичислені в модулі Time Series):

Mean error (середня помилка). Середня помилка (ME) ви-
числена, як середнє спостережуваних мінус прогнозні на "один
крок вперед"). Очевидно, недолік цієї міри полягає в тому, що
позитивні і негативні значення помилок можуть урівноважити
один одного, таким чином ця міра не дуже хороший індикатор
повної придатності.

Mean absolute error (середня абсолютна помилка). Якщо
її значення 0, то придатність (прогноз) відмінна. В порівнянні з
середньою квадратичною помилкою (MSE) ця міра "зменшува-
тиме роль" викидів.

Sum of squared error (SSE), Mean squared error (сума
квадратів помилок (SSE), середня квадратична помилка). Це
найбільш використовуваний індикатор невідповідності в стати-
стичних процедурах налаштування.

Percentage error (PE) (процентна помилка). Усі вищезга-
дані міри базуються на фактичному значенні помилки. Може
виявитися розумним виразити точність прогнозу в термінах
відносного відхилення прогнозів "один крок вперед" від спос-
тережуваних значень. Іншими словами, абсолютні помилки мо-
жуть бути не так цікаві, як відносні помилки в прогнозах. Зна-
чення процентної помилки вичислені як:

PEt = 100*(Xt - Ft )/Xt,
де Xt - спостережуване значення в час t, і Ft - прогнози (згла-
джені значення).
Mean percentage error (MPE) (середня процентної поми-
лки). Ця величина вичислена, як середнє значень PE.

Mean absolute percentage error (MAPE) (середня абсо-
лютної процентної помилки). Як це має місце з середньою по-
милкою (ME), середня процентної помилки може бути усклад-

338