Como usar
- Insira as listas na mesma ordem: o primeiro número de uma corresponde ao primeiro da outra. Mantenha uma unidade consistente em cada lista e retire cabeçalhos e símbolos de unidade.
- Separe os números por espaços, vírgulas ou ponto e vírgula. Use ponto decimal, como 1.5. A vírgula sempre separa valores, mesmo quando o idioma de exibição usa vírgula decimal. A notação científica 2e-3 também é aceita.
- Resultados e gráficos são atualizados assim que as duas listas são válidas. Entradas incompletas ou com tamanhos diferentes deixam o resultado vazio. Clique em Calcular para ver a explicação de um erro.
- Copiar resultados copia o resumo numérico como texto. Limpar esvazia as entradas e os resultados. O gráfico explica o cálculo na tela; não há exportação de imagem ou arquivo de dados.
Exemplo
Quanto as previsões erraram? Erro = real − previsto. Acima de zero, a previsão foi baixa demais; abaixo, alta demais.
e = Valores reais − Valores previstos · RMSE = √(Σe² / n)
Valores reais: 3 5 7 · Valores previstos: 2 5 9
Erros: 1, 0, −2 · RMSE ≈ 1,29 · MAE = 1
Os campos começam com este exemplo. Troque pelos seus dados e clique em Calcular.
Como interpretar os resultados
Compare observações e previsões já disponíveis sem treinar nem selecionar um modelo. A ferramenta ajuda a conferir exercícios, comparar previsões nos mesmos dados reservados e identificar erros grandes que dominam uma medida.
O erro com sinal é e = real − previsto. Erro positivo significa previsão baixa demais; negativo, alta demais. SSE = Σ(e²), MSE = SSE / n, RMSE = √MSE e MAE = Σ|e| / n. Todos os pares recebem o mesmo peso.
SSE soma os erros quadráticos e normalmente aumenta ao incluir previsões imperfeitas. MSE divide a soma pelo número de pares, e RMSE retorna à unidade original. MAE é o erro absoluto médio nessa unidade e dá menos ênfase aos grandes erros do que a elevação ao quadrado.
O gráfico mostra um ponto por par, ligado à linha zero. O eixo horizontal representa a ordem de entrada, não uma escala de tempo. Erros positivos e negativos podem se cancelar na média com sinal, mesmo com previsões ruins; as quatro medidas não negativas evitam esse cancelamento.
Exemplos resolvidos
Real = 3, 5, 7 e previsto = 2, 5, 9 dão erros 1, 0, −2. SSE = 5, MSE ≈ 1,67, RMSE ≈ 1,29 e MAE = 1. A primeira previsão é baixa demais e a terceira alta demais; só a segunda está em zero.
Real = 10, 20 e previsto = 12, 18 dão erros −2 e 2. A média com sinal é zero, mas SSE = 8, MSE = 4, RMSE = 2 e MAE = 2. Se as listas forem idênticas, as quatro medidas serão zero.
Entrada, precisão e resultados
Compare modelos com as mesmas observações, unidades e período de avaliação. Um valor menor é melhor para aquela medida e aquele conjunto, mas não é um limite universal de qualidade. Mudar unidades altera os resultados e acrescentar casos fáceis pode melhorar uma média. Para estimar desempenho em casos novos, use dados que não participaram do ajuste do modelo.
As duas listas precisam ter o mesmo tamanho, entre 2 e 200 valores. Entradas ausentes, texto, NaN e infinito são rejeitados. Zero, valores negativos e repetidos são permitidos. Se faltar uma observação, remova o par inteiro para não deslocar a correspondência.
O módulo de entradas diferentes de zero deve ficar entre 1e-100 e 1e100. O navegador calcula com cerca de 15–16 algarismos significativos. Entradas distintas armazenadas como o mesmo número são rejeitadas; subtraia uma origem comum ou escolha unidades mais adequadas.
Os resultados normalmente mostram até duas casas decimais. Valores pequenos diferentes de zero usam notação científica, e os cálculos intermediários não são arredondados. Eixos deslocados ou escalados informam como recuperar os valores originais, mantendo visíveis pequenas diferenças perto de uma base grande.
Perguntas frequentes
Por que MSE usa n em vez de n − 2?
Aqui se calcula a média dos erros quadráticos de previsões fornecidas. Uma estimativa da variância do ruído de regressão pode usar graus de liberdade residuais; é outra tarefa estatística.
Posso comparar SSE com listas de tamanhos diferentes?
Em geral, não diretamente: SSE soma todos os erros ao quadrado. As médias reduzem o efeito do tamanho, mas ainda exigem casos, unidades e pesos comparáveis.
Por que RMSE pode ser muito maior que MAE?
Elevar ao quadrado aumenta a influência dos erros grandes antes da raiz. Uma diferença ampla pode indicar poucos erros importantes. Examine também o gráfico e os pares originais.
Zeros, reais negativos e listas constantes são válidos?
Sim. Nenhuma fórmula divide pelo valor real. Não há MAPE, erros percentuais, ajuste de modelo, upload CSV nem preenchimento automático de valores ausentes.