Calculateur d'erreur absolue moyenne en pourcentage (MAPE)

Calculateur d'erreur absolue moyenne en pourcentage (MAPE)

Émergent AI Skill PRO

Entrez le calcul

Formule

MAPE=100%n∑i=1n|Réeli−PrévuiRéeli|\text{MAPE} = \frac{100\%}{n} \sum_{i=1}^{n} \left| \frac{{{\text{Réel}_i}} - {{\text{Prévu}_i}}}{{{\text{Réel}_i}}} \right|
Statistiques d'utilisation

Publicité

Résultats

Erreur absolue moyenne en pourcentage
7,22%
plus la valeur est faible, mieux c'est
Précision de la prévision 92,78%
Points de données utilisés 3

Signaler une erreur sur cette page

Qu'est-ce que le MAPE ?

L'erreur absolue moyenne en pourcentage (MAPE, de l'anglais Erreur absolue moyenne en pourcentage) est l'un des indicateurs les plus utilisés pour mesurer la fiabilité d'une prévision. Elle exprime l'écart moyen entre les valeurs prévues et les valeurs réelles sous forme de pourcentage, ce qui la rend facile à interpréter et à comparer entre des jeux de données d'échelles très différentes. Un MAPE de 5 % signifie que vos prévisions s'écartent en moyenne de 5 % de la valeur réelle.

Graphique linéaire comparant les valeurs réelles et prévues, avec des écarts verticaux représentant les erreurs
Le MAPE mesure l'écart moyen, en pourcentage, entre les valeurs prévues et les valeurs réelles.

Comment utiliser ce calculateur

Saisissez vos valeurs réelles (observées) et vos valeurs prévues (estimées) sous la forme de deux listes séparées par des virgules. Les deux listes doivent se correspondre : la première valeur réelle va avec la première prévision, et ainsi de suite. Le calculateur associe les paires, calcule l'erreur absolue en pourcentage de chacune, puis en fait la moyenne. Toute paire dont la valeur réelle est égale à zéro est ignorée, car l'erreur en pourcentage n'est pas définie lorsqu'on divise par zéro.

La formule expliquée

Pour chaque point de données, le MAPE prend la valeur absolue de l'écart entre la valeur réelle \(y_i\) et la prévision \(\hat{y}_i\), la divise par la valeur réelle, puis la convertit en pourcentage. Ces erreurs en pourcentage sont additionnées, puis divisées par le nombre de points \(n\) :

$$\text{MAPE} = \frac{100\%}{n} \sum_{i=1}^{n} \left| \frac{\text{Actual}_i - \text{Forecast}_i}{\text{Actual}_i} \right|$$

Publicité
Schéma décomposant la formule du MAPE en erreurs en pourcentage par point, puis moyennées
On calcule l'erreur absolue en pourcentage pour chaque point, puis on en fait la moyenne.

Exemple concret

Supposons que les valeurs réelles soient 100, 200 et 300, et les prévisions 110, 190 et 320. Les erreurs en pourcentage sont \(|100-110|/100 = 0{,}10\), \(|200-190|/200 = 0{,}05\) et \(|300-320|/300 \approx 0{,}0667\). Leur somme vaut \(0{,}21667\) ; en divisant par 3 et en multipliant par 100, on obtient un MAPE ≈ 7,22 %, soit une prévision fiable à environ 92,78 %.

Foire aux questions

Qu'est-ce qu'un bon MAPE ? Cela dépend du domaine, mais une valeur inférieure à 10 % est souvent considérée comme très précise, et une fourchette de 10 à 20 % reste satisfaisante pour de nombreuses prévisions en entreprise.

Pourquoi les valeurs réelles nulles sont-elles ignorées ? La division par zéro n'est pas définie, le MAPE ne peut donc pas être calculé pour ces points. Si vos données contiennent des zéros, envisagez plutôt le sMAPE.

L'ordre des valeurs a-t-il une importance ? Oui : les valeurs réelles et les prévisions sont associées selon leur position, veillez donc à bien aligner les deux listes.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques