أخطاء التنبؤ(1): إن خطأ التنبؤ (Forecast Error) يتحدد كفرق عددي بين الحصيلة المتوقعة ( التنبؤ) والحصيلة الفعلية (الطلب) أي أن :  خطأ التنبؤ = التنبؤ – الطلب الفعلي.

إن التنبؤ الأفضل هو الذي يكون الخطأ فيه مساوياً للصفر أو قريباً من ذلك والعكس صحيح. ويمثل قياس فاعلية التنبؤ خطوة مهمة في تقييم أسلوب التنبؤ، وهناك مقاييس عديدة يمكن استخدامها لهذا الغرض وإن كان لكل مآخذه ومزاياه في الحالات المختلفة.

أولاً: متوسط الخطأ ( Mean Error):  وهو مقياس التحيّز ( Bias) ويعتبر أحد مقاييس الدقة في التنبؤات، ويتم احتساب هذا المقياس وفق الصيغة الآتية:  ME = ∑(Y-F) / n

حيث

 F = التنبؤ

Y = الطلب الفعلي

n = عدد الفترات

وكلما اقترب متوسط الخطأ من الصفر كان التنبؤ أكثر دقة لأن هذا يعني أن التنبؤ كان متطابقاً مع الطلب الفعلي أو قريباً من ذلك، إلا أن ثمة مشاكل تواجه هذا المقياس وتقلل من أهميته في الاستخدام ومنها أن أخطاء التنبؤ الموجبة تلغي أخطاء التنبؤ السالبة في المجموع مما يخفي أخطاء التنبؤ، والمثال التالي يوضح ذلك: 

مثال: أدناه التنبؤ بالطلب في ستة أشهر مع الطلب الفعلي فيها. المطلوب: احتساب متوسط الخطأ وتفسير النتيجة:

الحل: مجموع أخطاء التنبؤ = (190-160)+(170-140)+(140-160)+(110-150) +(160-170)+(130-120)  = صفر

إذن متوسط التنبؤ = صفر

التفسير: يلاحظ أن هناك ثلاثة من أخطاء التنبؤ موجبة وثلاثة سالبة وبفعل تساوي مجموع الأخطاء الموجبة مع مجموع الأخطاء السالبة فقد أزال أحدهما الآخر وبالتالي أخفت النتيجة أخطاء التنبؤ في الأشهر الستة.

ثانياً: متوسط مربع الخطأ( Mean Squared Error) : وهذا المقياس يتجاوز أثر الإزالة في المقياس السابق لهذا فإنه يستخدم على نطاق واسع ويحسب كالآتي:  MSE = ∑(Y-F)² / n

ثالثاً: متوسط الانحرافات المطلقة Mean Absolute Deviation)): وهو من المقاييس الواسعة الانتشار، فبدلاً من استخدام تربيع الخطأ أو الانحراف ( التنبؤ- الطلب) لتتجاوز إزالة القيم الموجبة للقيم السابقة في أخطاء التنبؤ، يتم استخدام القيمة المطلقة للخطأ ويرمز له |الخطأ| أو |التنبؤ- الطلب| وبهذه الطريقة تحول القيمة السالبة للخطأ إلى قيمة موجبة، ويحسب هذا المقياس: MAD = ∑|Y-F| / n

____________________________________________

[1] - المرجع السابق.