Prognosen bewerten (eBook)

Statistische Grundlagen und praktische Tipps

Michael Feindt, Ulrich Kerzel (Autoren)

eBook Download: PDF

2014 | 2015
XII, 86 Seiten
Springer Berlin (Verlag)
978-3-662-44683-6 (ISBN)

Infos

Genaue Prognosen bilden die Basis für eine Vielzahl von wirtschaftlichen Entscheidungen und Geschäftsprozessen. In diesem Buch werden die Grundlagen der Erstellung und quantitativen Bewertung von Prognosen erarbeitet. Besonderes Augenmerk wird auf die korrekte statistische Behandlung sowie die Interpretation der Prognose als Wahrscheinlichkeitsverteilung gelegt. Zahlreiche Beispiele aus konkreten Fragestellungen zeigen den Bezug der jeweils erörterten Problemstellungen zur Praxis auf. Darüber hinaus werden viele sich ergänzende Methoden vorgestellt, wie Prognosen in der Praxis bewertet und ihre Vorhersagekraft getestet werden kann.
Das Buch richtet sich vor allem an Praktiker, die im betrieblichen Alltag Prognosen verwenden und datengetrieben automatisierte Entscheidungen treffen.

Prof. Dr. Michael Feindt ist Der Kopf hinter Blue Yonder. Erfinder der Software NeuroBayes. Dozent an der Academy. Professor am Karlsruher Institut für Technologie.Im Jahr 2000 hat der Physiker und Predictive-Analytics-Spezialist den inzwischen mehrfach ausgezeichneten NeuroBayes-Algorithmus erfunden. Ziel war, ein Werkzeug für exakte Prognosen zu schaffen - sowohl für die wissenschaftliche Forschung als auch für unterschiedliche Wirtschaftszweige und Fragestellungen in Unternehmen. Im Jahr 2008 gründete Prof. Dr. Michael Feindt die Firma Blue Yonder, um Unternehmen in der Nutzung und Auswertung Ihrer Daten zu unterstützen. Blue Yonder liefert Prognosen und Datenmuster zu unterschiedlichen Fragestellungen wie beispielsweise Absatzprognosen, Kündigungswahrscheinlichkeiten und Dynamische Preisgestaltung.

Dr. Ulrich Kerzel ist Leiter der Academy, Senior Data Scientist bei Blue Yonder und renommierter Wissenschaftler mit Forschungserfahrung an der University of Cambridge und am CERN. Ulrich Kerzel hat bei Prof. Dr. Feindt am amerikanischen Fermi National Laboratory promoviert und hat in dieser Zeit wesentlich zur NeuroBayes-Kerntechnologie beigetragen.
Nach der Promotion wechselte er zur University of Cambridge, wo er als Senior Research Fellow am renommierten Magdalene College tätig war. Seine Forschungstätigkeit beschäftigte sich mit komplizierten statistischen Analysen, um den Ursprung von Materie und Antimaterie mit Daten des LHCb-Experiments am Large Hadron Collider des CERN, dem weltgrößten Forschungsinstitut für Teilchenphysik, zu verstehen. Diese Tätigkeit setzte er als Research Fellow am CERN fort, bevor er als Senior Data Scientist zu Blue Yonder kam.

Inhalt

Vorwort 5
Inhaltsverzeichnis 6
Abbildungsverzeichnis 8
1 Einleitung 12
1.1 Übersicht 12
1.2 Literaturübersicht 13
2 Statistische Grundlagen 17
2.1 Motivation 17
2.2 Wahrscheinlichkeitsverteilung 17
2.2.1 Definition der Wahrscheinlichkeitsdichte 17
2.2.2 Erwartungswerte 18
2.2.3 Quantile 20
2.2.4 Konfidenzintervall 20
2.2.5 Wichtige Wahrscheinlichkeitsdichten 21
2.2.6 Beziehung zwischen einem Zählexperiment und der Zeit zwischen Ereignissen 25
2.3 Korrelierte Variablen 26
2.4 Bayessche Statistik 29
2.5 Benfordsches Gesetz 32
2.6 Fehlerbehaftete Größen 33
2.6.1 Fehler 1. und 2. Art 36
3 Erstellen von Prognosen 37
3.1 Theoretische Grundlagen 37
3.1.1 Prognose als Wahrscheinlichkeitsverteilung 39
3.1.2 Kostenfunktion und Prognosegütemaß 42
3.2 Die ,,perfekte`` Prognose 43
3.3 Punktschätzer und Kostenfunktion 46
3.3.1 Allgemeine Kostenfunktion 46
3.3.2 Mittlere Quadratische Abweichung 47
3.3.3 Mittlere Absolute Abweichung 52
3.3.4 Illustration des Verhaltens von MSE, MAD und rMAD 54
3.4 Weitere Testgrößen 57
3.4.1 Prozentuale Fehlermaße und MAPE 57
3.4.2 Theilscher Ungleichheitskoeffizient 62
3.5 Zusammenfassung Testgrößen 63
3.6 Kombination von Prognosen 64
3.6.1 Addition von Prognosen 65
3.6.2 Transformation von Prognosen 66
4 Bewertung von Prognosen 67
4.1 Einleitung 67
4.2 Bewertung mittels Kennzahlen 68
4.3 Darstellungen 69
4.3.1 Übersicht 69
4.3.2 Zeitreihe 69
4.3.3 Liftchart 72
4.3.4 Gini-Index 74
4.3.5 Reinheit vs Effizienz 75
4.3.6 ROC 75
4.3.7 Diagonalplot 77
4.3.8 Niveauplot 79
4.3.9 Kumulierte Abweichung 80
4.3.10 Inverse Quantilsverteilung 81
4.4 Statistische Effekte 84
4.4.1 Ausreißer 84
4.4.2 Diskretisierungseffekte 85
4.5 Psychologische Effekte 86
4.5.1 Hindsight Bias 86
4.5.2 Overconfidence 88
5 Schlusswort 89
Anhang A Gängige Prognosegütemaße 91
A.1 Prognosegütemaße für einzelne Ereignisse 91
A.2 Prognosegütemaße für eine Gesamtheit von Ereignissen 92
Literatur 94

Produkt-Details

• Erscheint lt. Verlag: 1.12.2014
• Zusatzinfo: XII, 86 S.
• Verlagsort: Berlin
• Sprache: deutsch
• Themenwelt: Mathematik / Informatik ► Mathematik ► Statistik
• Themenwelt: Technik
• Themenwelt: Wirtschaft ► Allgemeines / Lexika
• Schlagworte: Big Data • Methoden • Prognose • Statistik • Wahrscheinlichkeitsverteilung
• ISBN-10: 3-662-44683-9 / 3662446839
• ISBN-13: 978-3-662-44683-6 / 9783662446836