Mittlere quadratische Abweichung - LinkFang.de





Mittlere quadratische Abweichung


Die mittlere quadratische Abweichung, auch der mittlere quadratische Fehler genannt und MQF oder MSE (aus dem englischen für mean squared error) abgekürzt, ist ein Begriff der mathematischen Statistik. Er gibt in der Schätztheorie an, wie sehr ein Punktschätzer um den zu schätzenden Wert streut. Damit ist er ein zentrales Qualitätskriterium für Schätzer.

Definition

Gegeben sei ein statistisches Modell [math] (\mathcal X, \mathcal A, (P_\vartheta)_{\vartheta \in \Theta}) [/math] sowie ein Punktschätzer

[math] T : (\mathcal X, \mathcal A) \to (\R, \mathcal B(\R)) [/math]

für eine zu schätzende Funktion (im parametrischen Fall die Parameterfunktion)

[math] g \colon \Theta \to \R [/math]

Dann heißt

[math] \operatorname{MSE}(T, \vartheta):= \operatorname E_\vartheta \left( \left( T-g(\vartheta)\right)^2 \right) [/math]

die mittlere quadratische Abweichung von [math] T [/math]. Dabei bezeichnet [math] \operatorname E_\vartheta [/math] den Erwartungswert bezüglich des Wahrscheinlichkeitsmaßes [math] P_\vartheta [/math]. Mittels des Verschiebungssatzes der Varianz folgt die äquivalente Darstellung

[math] \operatorname{MSE}(T, \vartheta)= \operatorname{Var}_\vartheta(T) + \left( \mathbb B_T(\vartheta) \right)^2 [/math].

Hierbei bezeichnet [math] \mathbb B_T(\vartheta) [/math] die Verzerrung des Schätzers, auch Bias genannt.

Für Schätzer, die Werte in einem allgemeinen Entscheidungsraum annehmen, der mit einer Norm [math] \| \cdot \| [/math] versehen ist lässt sich die mittlere quadratische Abweichung definieren als

[math] \operatorname{MSE}(T, \vartheta):= \operatorname E_\vartheta \left( \| T-g(\vartheta)\|^2 \right) [/math].

Interpretation

Eine geringe mittlere quadratische Abweichung bedeutet im klassischen Fall, dass gleichzeitig Bias und Varianz des Schätzers klein sind. Man befindet sich mit dem Schätzer also im Mittel in der Nähe des zu schätzenden Funktionals (geringer Bias) und weiß gleichzeitig, dass die Schätzwerte wenig streuen (geringe Varianz) und mit großer Wahrscheinlichkeit auch in der Nähe ihres Erwartungswerts liegen.

Mit dem MSE ist es daher möglich, Schätzverfahren miteinander zu vergleichen. Die Idee ist, dass es vorteilhaft sein kann, einen leicht verzerrten Schätzer zu bevorzugen, der dafür eine wesentlich kleinere Varianz besitzt. Dabei gilt das Schätzverfahren mit dem kleineren MSE in der Regel als das bessere.

Problematisch ist, dass der MSE vom zu schätzenden, unbekannten Grundgesamtheitsparameter abhängt.

Beispiel

Ein typischer Fall ist die Schätzung des Mittelwerts einer Normalverteilung. Wir nehmen an, dass Zufallsvariablen [math]X_1, \ldots, X_n\;[/math] existieren, die jeweils normalverteilt mit unbekanntem Erwartungswert [math]\gamma[/math] und Varianz 1 sind. Der klassische Schätzer ist das Stichprobenmittel [math]\bar{X}_n[/math]. Hier ist die Verzerrung null:

[math]\operatorname{Bias}(\bar{X}_n) = 0[/math],

da der empirische Mittelwert erwartungstreu für [math]\gamma[/math] ist. Da [math]\bar{X}_n[/math] selbst normalverteilt mit Erwartungswert [math]\gamma[/math] und Varianz [math]\tfrac{1}{n}[/math] ist, folgt

[math]\operatorname{MSE}(\bar{X}_n) = \frac{1}{n}.[/math]

Einordnung und verwandte Konzepte

Interpretiert man die Schätztheorie als statistisches Entscheidungsproblem, so ist jeder Punktschätzer eine Entscheidungsfunktion. Die Abweichung der Entscheidungsfunktion von dem zu schätzenden Wert wird dann durch eine Verlustfunktion gewichtet. Diese gibt an, wie groß der "Schaden" ist, der durch eine Schätzung entsteht. Die Verlustfuntion wird dann mit der Entscheidungsfunktion zur Risikofunktion kombiniert, die den mittleren Schaden bei Verwendung einer bestimmten Entscheidungsfunktion angibt.

In diesem Kontext ist die mittlere quadratische Abweichung die Risikofunktion, die bei Verwendung der Gauß-Verlustfunktion

[math] L(\cdot, \vartheta)=( \cdot -g(\vartheta))^2 [/math]

entsteht. Die Risikofunktion wird dann durch Erwartungswertbildung gewonnen.

Bei analoger Konstruktion unter Verwendung des Laplace-Verlustes erhält man den mittleren betraglichen Fehler

[math] \operatorname E_\vartheta \left( \left| T-g(\vartheta) \right|\right) [/math].

Literatur


Kategorien: Schätztheorie

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Mittlere quadratische Abweichung (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.