As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Erro de previsão
<a name="forecast-error"></a>

Os cálculos de erro de previsão fornecem uma estimativa quantitativa da qualidade das previsões anteriores, e uma ampla variedade de cálculos está disponível para ajudar você a expressar estatisticamente a precisão de uma previsão.

A tabela a seguir contém os cálculos de erro de previsão padrão.


|  |  |  | 
| --- |--- |--- |
| **Name (Nome)** | **Descrição** | **Cálculo** | 
| Viés | Viés é um erro consistente que faz com que uma previsão seja muito alta ou muito baixa. Uma previsão é enviesada quando há uma diferença consistente entre a demanda real e a prevista nas previsões atuais e históricas. Esse cálculo retorna o erro de previsão, medindo sobreprevisões ou subprevisões consistentes. | `(Sum actuals - Sum forecast) / Sum actuals` | 
| Média | A média aritmética de um grupo de valores. | `Average(values)` | 
| Desvio absoluto médio (MAD) | O MAD mostra o tamanho médio de um erro na previsão. No entanto, como o MAD retorna o erro médio em unidades, às vezes ele não é muito útil para comparações. O MAD é a média dos valores absolutos dos desvios entre os valores observados e os valores esperados. | `Average(Abs(forecast - actual))` | 
| Erro percentual absoluto médio (MAPE) | O MAPE expressa o erro de previsão em relação ao volume de vendas. Basicamente, ele informa em quantos pontos percentuais em média as previsões estão erradas. O MAPE talvez seja a métrica de previsão mais usada no planejamento da demanda. | O MAPE é calculado dividindo-se o MAD pela demanda média e multiplicando-se o resultado por 100.<br />`(1 / sample size) × ∑((actual - forecast) / actual) × 100` | 
| Erro escalado absoluto médio (MASE) | O MASE é o erro absoluto médio dos valores previstos, dividido pelo erro absoluto médio da previsão simples baseada na amostra. O MASE é o cálculo recomendado para determinar a precisão comparativa das previsões. | `Average(Abs(forecast - actual)) / ((1 / sample size) × ∑((actual - forecast) / actual))` | 
| Erro quadrático médio (MSE) | O MSE mede a diferença quadrática média entre os valores previstos e os valores efetivos. Divida a soma dos resíduos pelo número total de pontos de dados e, em seguida, obtenha a raiz quadrada do quociente. | `(1 / sample size) × Σ(actual - forecast)2` | 
| Sinal de rastreamento | Esse cálculo mede o viés persistente, seja de subprevisão ou superprevisão. O sinal de rastreamento é a razão entre a soma algébrica cumulativa do desvio entre previsões e os valores reais e o desvio absoluto médio. Esse cálculo pode ser usado para alertar quando o modelo de previsão apresentar um víes. | Razão entre a soma cumulativa dos erros de previsão (os desvios entre as previsões estimadas e os valores reais) e o desvio absoluto médio. O *desvio absoluto médio* é a razão entre a soma absoluta cumulativa dos erros de previsão (valores reais e previstos) e o número de períodos. | 
| Erro percentual absoluto médio ponderado (WMAPE) | O WMAPE pondera o erro de previsão pela demanda real**. **Ele atribui um peso ao item priorizado, direcionando o erro de previsão para ele. Como o MAPE não leva em conta possíveis diferenças de prioridade entre produtos ou momentos no tempo, o WMAPE é frequentemente usado. | `∑ (weight\|forecast – actual demand\|) / ∑ (weight\|actual demand\|)` |