خطای جذر میانگین مربعات

در خطای جذر میانگین مربعات یک برآوردگر آماری ${\displaystyle \hat{\theta }}$

${\displaystyle \mathrm{RMSD}(\hat{\theta })=\sqrt{\mathrm{MSE}(\hat{\theta })}=\sqrt{\mathrm{E}((\hat{\theta }-\theta {)}^2)}.}$

برای برآوردگر بی‌طرف RMSD مربعات ریشهٔ واریانس است و به عنوان خطای استاندارد شناخته می‌شود.

در بعضی از مباحث RMSD برای مقایسه بین دو چیز قابل تغییر به کار می‌رود که هیچکدام به عنوان استاندارد شناخته نمی‌شوند. به عنوان مثال:

برای اندازه‌گیری فاصلهٔ دو جسم دراز که به صورت بردار اتفاقی توصیف می‌شوند:

${\displaystyle {\theta }_1=\left[\begin{array}{c}{x}_{1,1}\\ x_{1,2}\\ ⋮\\ x_{1,n}\end{array}\right]\mathrm{a}\mathrm{n}\mathrm{d}{\theta }_2=\left[\begin{array}{c}{x}_{2,1}\\ x_{2,2}\\ ⋮\\ x_{2,n}\end{array}\right].}$

معادله به شرح زیر است:

${\displaystyle \mathrm{RMSD}({\theta }_1,{\theta }_2)=\sqrt{\mathrm{MSE}({\theta }_1,{\theta }_2)}=\sqrt{\mathrm{E}(({\theta }_1-{\theta }_2{)}^2)}=\sqrt{\frac{\sum _{i=1}^n(x_{1,i}-x_{2,i}{)}^2}{n}}.}$

نرمال‌سازی انحراف جذر میانگین مربعات (normalized root-mean-square deviation) یا خطا (NRMSD یا NRMSE) توسط بازهٔ مقادیر مشاهده شده به شرح زیر است

${\displaystyle \mathrm{N}\mathrm{R}\mathrm{M}\mathrm{S}\mathrm{D}=\frac{\mathrm{R}\mathrm{M}\mathrm{S}\mathrm{D}}{x_{max}-x_{min}}}$

زمانی که مقدار کمینه نشان‌دهندهٔ واریانس رسوبی کمتری باشد معمولاً مقدار به صورت درصدی بیان می‌گردد.

ضریب تغییرات انحراف جذر میانگین مربعات coefficient of variation of the RMSD, CV(RMSD) یا CV(RMSE) به عنوان RMSD نرمال شده به کار می‌رود:

${\displaystyle \mathrm{C}\mathrm{V}(\mathrm{R}\mathrm{M}\mathrm{S}\mathrm{D})=\frac{\mathrm{R}\mathrm{M}\mathrm{S}\mathrm{D}}{\overline{x}}.}$

این شبیه ضریب تغییرات است با این تفاوت که RMSD به جای انحراف معیار استفاده شده‌است.

• جذر متوسط مربع
• Squared deviations
• Errors and residuals in statistics