Formas de demostrar lo bien o mal que los datos previstos reflejan los datos observados

Question

He observado datos de precipitaciones y me gustaría saber hasta qué punto representan los datos previstos. Mi primera idea fue mostrar los datos en un diagrama de dispersión. Al trazar x = observado frente a y = pronosticado, establecí que los ejes tuvieran la misma longitud y que los gráficos fueran cuadrados.

t  x   y
1  2.3 3
2  1   1.5
3  4.4 4.8

Entonces pensé que estoy mostrando el coeficiente de correlación de Pearson; sin embargo, no estoy seguro de cuáles son las mejores formas de mostrar la calidad de mis datos.

¿Qué otros medios existen para evaluar estos datos? ¿Cuál sería una forma sensata de representar el ajuste de los datos y representarlo ante otros? ¿Alguna idea creativa?

Answer 1

Siempre es buena idea representar gráficamente los valores previstos y los reales para ver si hay algún error sistemático en las predicciones.

A menudo la gente utiliza una medida de precisión o error (lista copiada de aquí . Caveat: I' am author of this page.):

- Precisión máxima mínima

- Porcentaje medio de error absoluto (MAPE)

- Error cuadrático medio (RMSE)

- Error cuadrático medio normalizado (NRMSE)

Las medidas de precisión suelen expresarse en porcentaje o proporción, por lo que no tienen unidades. El 1 es el ajuste perfecto. En mi experiencia, tienden a ser altos (más cercanos a 1) en comparación con los valores de r-cuadrado, por lo que hay que ser cauteloso en la interpretación.

El MAPE se indica como porcentaje de error, es decir, sin unidades, siendo 0 un ajuste perfecto. El RMSE conserva las unidades de la variable medida; de nuevo, 0 sería un ajuste perfecto.