¿Qué es el Error Absoluto Medio (MAE)?
El Error Absoluto Medio (MAE, por sus siglas en inglés Mean Absolute Error) es una de las métricas más utilizadas para evaluar la precisión de un modelo de regresión o de un pronóstico. Mide la magnitud media de los errores entre los valores previstos y los valores realmente observados, sin tener en cuenta su signo. Al basarse en valores absolutos, cada error suma de forma positiva al total, lo que hace que el MAE sea muy fácil de interpretar: es la cantidad media en la que se equivocan tus predicciones, expresada en las mismas unidades que los datos.
Cómo usar esta calculadora
Introduce tu lista de valores reales (observados) y tu lista de valores previstos (de pronóstico o del modelo) en las dos casillas. Separa cada número con una coma o un espacio. Asegúrate de que ambas listas tengan la misma cantidad de valores y de que estén alineadas, de modo que el primer valor real corresponda a la primera predicción, y así sucesivamente. Pulsa en calcular para obtener el MAE junto con la suma de los errores absolutos y el número de pares de observaciones utilizados.
La fórmula explicada
La fórmula es $$\text{MAE} = \frac{1}{n}\sum_{i=1}^{n}\left| y_i - \hat{y}_i \right|$$ Para cada observación restas el valor previsto (\(\hat{y}_i\)) del valor real (\(y_i\)), tomas el valor absoluto de esa diferencia (ignorando el signo negativo), sumas todas estas diferencias absolutas y, por último, divides entre \(n\), el número de observaciones. El resultado es el tamaño típico de un único error de predicción.
Ejemplo resuelto
Supongamos que los valores reales son 3, 5, 2, 7 y los valores previstos son 2,5, 5, 4, 8. Los errores absolutos son \(|3-2{,}5| = 0{,}5\), \(|5-5| = 0\), \(|2-4| = 2\) y \(|7-8| = 1\). Su suma es 3,5. Al dividir entre \(n = 4\) obtenemos $$\text{MAE} = 3{,}5 / 4 = 0{,}875$$
Preguntas frecuentes
¿En qué se diferencia el MAE del MSE? El MAE promedia los errores absolutos, mientras que el Error Cuadrático Medio (MSE) promedia los errores al cuadrado. El MSE penaliza con mayor dureza los errores grandes, mientras que el MAE trata todos los errores de forma proporcional.
¿Qué valor de MAE es bueno? Cuanto más bajo, mejor; un \(\text{MAE} = 0\) significa predicciones perfectas. No existe un umbral universal: debes interpretarlo en relación con la escala y el rango habitual de tus datos.
¿Puede ser negativo el MAE? No. Como promedia diferencias absolutas (siempre no negativas), el MAE siempre es cero o positivo.
