Die Qualität probabilistischer Prognosen muss Kalibrierung und Schärfe gemeinsam berücksichtigen; ein Prognostiker kann kalibriert sein und dennoch uninformativ bleiben, indem er wiederholt die Basisrate ausgibt.

Gegenbelege & Unsicherheit

Kleine Stichproben, Abhängigkeit zwischen Prognosen, sich ändernde Basisraten und selektiv aufgelöste Fragen können Kalibrierungsdiagramme instabil oder irreführend machen.

Versteht die KI Ihr Unternehmen? Prüfen Sie Ihre Website kostenlos, in einer halben Minute →

Was die Lesart ändern würde

Neu schätzen, wenn eine Kohorte eine vorab festgelegte Mindestzahl von Auflösungen erreicht, wenn sich die Auflösungsrichtlinie ändert oder wenn ein struktureller Bruch die Basisraten verändert.

Primärrouten

1. Gneiting, T., Balabdaoui, F. & Raftery, A. E. (2007), „Probabilistic Forecasts, Calibration and Sharpness.“https://doi.org/10.1111/j.1467-9868.2007.00587.xQuellendatensatz öffnen →