L'écart quadratique moyen (RMSD) est une mesure des différences entre les valeurs prédites et les valeurs réelles. Le DSMR agrège ces différences individuelles, appelés résidus, dans une valeur prédictive unique, rendant le RMSD une bonne mesure de la précision. Le DSMR peut également mesurer les différences entre les deux ensembles de valeurs lorsque ni jeu est considéré comme un standard. Vous pouvez l'utiliser pour calculer la distance moyenne entre deux objets, par exemple, ou comment bien un modèle économique intègre des indicateurs économiques.
Définir le RMSD comme la racine carrée de l'erreur quadratique moyenne. Cela peut être exprimé comme DSMR (x) = (E ((x - y) ^ 2)) ^ (1/2) où x est une valeur estimée, y est la valeur réelle et E est une fonction qui fournit une erreur moyenne entre x et y.
Utilisez le RMSD lorsque ni ensemble de valeurs est considéré comme une norme. Soit X l'ensemble des valeurs {x1, x2, ..., xn}, et soit Y l'ensemble des valeurs {Y1, Y2, ..., yn}.
Calculer une fonction spécifique étant donné les conditions dans la deuxième étape de détermination de la fonction d'erreur moyenne E. Dans ce cas, E (X - Y) 2 = ^ (&# X3A3- (xi - yi) ^ 2) / n. Par conséquent, RMSD (X, Y) = (E ((X - Y) 2 ^)) ^ (1/2) = (&# X3A3- (xi - yi) ^ 2 / n) ^ (1/2).
Calculer le RMSD normalisée (NRMSD) que DSMR / (xmax - xmin). Cette valeur est habituellement exprimée en pourcentage de telle sorte qu'une valeur plus faible indique une variance plus faible dans les résidus.
Calculer le coefficient de variation de la RMSD comme RMSD / &# X3A3-xi / n. L'écart-type dans l'équation pour le coefficient de variation est remplacé par le RMSD.