माध्य निरपेक्ष प्रतिशत त्रुटि (MAPE) कैलकुलेटर

माध्य निरपेक्ष प्रतिशत त्रुटि (MAPE) कैलकुलेटर

बढ़ रहा AI Skill PRO

गणना दर्ज करें

सूत्र (फॉर्मूला)

MAPE=100%n∑i=1n|वास्तविकi−पूर्वानुमानiवास्तविकi|\text{MAPE} = \frac{100\%}{n} \sum_{i=1}^{n} \left| \frac{{{\text{वास्तविक}_i}} - {{\text{पूर्वानुमान}_i}}}{{{\text{वास्तविक}_i}}} \right|
उपयोग आँकड़े

विज्ञापन

परिणाम

माध्य निरपेक्ष प्रतिशत त्रुटि
7.22%
जितना कम, उतना बेहतर
पूर्वानुमान सटीकता 92.78%
उपयोग किए गए डेटा बिंदु 3

इस पेज पर त्रुटि की रिपोर्ट करें

MAPE क्या है?

माध्य निरपेक्ष प्रतिशत त्रुटि (Mean Absolute Percentage Error, MAPE) फोरकास्ट यानी पूर्वानुमान की सटीकता मापने वाले सबसे लोकप्रिय मापदंडों में से एक है। यह अनुमानित और वास्तविक मानों के बीच की औसत त्रुटि को प्रतिशत के रूप में दर्शाता है, जिससे इसे समझना और अलग-अलग पैमानों वाले डेटासेट के बीच तुलना करना आसान हो जाता है। 5% का MAPE यह बताता है कि आपके पूर्वानुमान औसतन वास्तविक मान से 5% तक भटक रहे हैं।

वास्तविक और पूर्वानुमानित मानों की तुलना करने वाला लाइन चार्ट, जिसमें ऊर्ध्वाधर अंतराल त्रुटियाँ दर्शाते हैं
MAPE यह मापता है कि पूर्वानुमानित मान वास्तविक मानों से औसतन कितने प्रतिशत भटकते हैं।

इस कैलकुलेटर का उपयोग कैसे करें

अपने वास्तविक (देखे गए) मान और पूर्वानुमानित (अनुमानित) मान दो अलग-अलग सूचियों में कॉमा से अलग करके दर्ज करें। दोनों सूचियाँ एक-दूसरे से मेल खानी चाहिए — यानी पहला वास्तविक मान पहले पूर्वानुमान से जुड़ा हो, और इसी क्रम में आगे भी। कैलकुलेटर इन्हें जोड़े में मिलाता है, हर जोड़े की निरपेक्ष प्रतिशत त्रुटि निकालता है और फिर उनका औसत निकालता है। जिस भी जोड़े में वास्तविक मान शून्य होता है, उसे छोड़ दिया जाता है, क्योंकि शून्य से भाग देने पर प्रतिशत त्रुटि अपरिभाषित हो जाती है।

सूत्र की व्याख्या

हर डेटा बिंदु के लिए MAPE वास्तविक मान \(y_i\) और पूर्वानुमान \(\hat{y}_i\) के बीच का निरपेक्ष अंतर लेता है, उसे वास्तविक मान से भाग देता है और प्रतिशत में बदलता है। इन सभी प्रतिशत त्रुटियों को जोड़कर बिंदुओं की कुल संख्या \(n\) से भाग दिया जाता है:

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

विज्ञापन
MAPE सूत्र को प्रत्येक बिंदु की प्रतिशत त्रुटियों में बाँटकर उनका औसत दिखाने वाला आरेख
हर बिंदु के लिए निरपेक्ष प्रतिशत त्रुटि निकाली जाती है, फिर सभी का औसत लिया जाता है।

हल किया हुआ उदाहरण

मान लीजिए वास्तविक मान 100, 200, 300 हैं और पूर्वानुमान 110, 190, 320 हैं। प्रतिशत त्रुटियाँ इस प्रकार होंगी: \(|100-110|/100 = 0.10\), \(|200-190|/200 = 0.05\), और \(|300-320|/300 \approx 0.0667\)। इनका योग \(0.21667\) है; इसे 3 से भाग देकर 100 से गुणा करने पर MAPE ≈ 7.22% मिलता है, यानी पूर्वानुमान लगभग 92.78% सटीक है।

अक्सर पूछे जाने वाले सवाल

अच्छा MAPE मान कितना होता है? यह क्षेत्र पर निर्भर करता है, लेकिन आमतौर पर 10% से कम को बहुत सटीक माना जाता है और 10–20% कई व्यावसायिक पूर्वानुमानों के लिए अच्छा होता है।

शून्य वाले वास्तविक मान क्यों छोड़ दिए जाते हैं? शून्य से भाग देना अपरिभाषित होता है, इसलिए उन बिंदुओं के लिए MAPE निकाला नहीं जा सकता। अगर आपके डेटा में शून्य मौजूद हैं तो sMAPE का उपयोग करने पर विचार करें।

क्या मानों का क्रम मायने रखता है? हाँ — वास्तविक और पूर्वानुमानित मान उनकी स्थिति के अनुसार जोड़े जाते हैं, इसलिए दोनों सूचियों को सही क्रम में रखें।

अंतिम अपडेट:

गणित और सांख्यिकी में सबसे लोकप्रिय

गणित और सांख्यिकी के सभी कैलकुलेटर देखें