Verlustfunktion (Statistik)

spezielle Funktion in der mathematischen Statistik und Teil eines statistischen Entscheidungsproblemes

Eine Verlustfunktion (engl. loss function) ist eine spezielle Funktion in der mathematischen Statistik und Teil eines statistischen Entscheidungsproblemes. Sie ordnet jeder Entscheidung in Form einer Punktschätzung, einer Bereichsschätzung oder eines Tests den Schaden zu, der durch eine vom wahren Parameter abweichende Entscheidung entsteht. Gemeinsam mit der Entscheidungsfunktion wird die Verlustfunktion zur Risikofunktion kombiniert, die den potentiellen Schaden bei Verwendung einer Entscheidungsfunktion angibt.

Darstellung der Verlustfunktion

Definition

Bearbeiten

Gegeben sei ein statistisches Modell   und ein Entscheidungsraum  . Dann heißt eine Funktion   eine Verlustfunktion, wenn für jedes fixierte   die Funktion    -messbar ist. Das L steht dabei für loss, englisch für Verlust.

Die Verlustfunktion gibt den Verlust bei Vorliegen des Parameters   an, wenn man sich für   entscheidet.

Klassische Verlustfunktionen

Bearbeiten

Gegeben sei die Parameterfunktion   von der Parametermenge   in die Entscheidungsmenge  , also   und eine Norm   auf der Entscheidungsmenge. Meist ist  .

Eine typische Verlustfunktion ist dann

 

für ein  .

Im Rahmen der Probabilistischen Klassifikation können Scoring rules als Verlustfunktion eingesetzt werden.

Laplace-Verlust

Bearbeiten

Ist  , also

 ,

so spricht man vom Laplace-Verlust.

Bei Wahl des Laplace-Verlusts die L-Unverfälschtheit zur Median-Unverfälschtheit und die Risikofunktion zum Mittleren betraglichen Fehler.

Gauß-Verlust

Bearbeiten

Ist  , also

 ,

so spricht man vom Gauß-Verlust.

Wählt man in der Schätztheorie den Gauß-Verlust, so vereinfacht sich die L-Unverfälschtheit zur Erwartungstreue und die Risikofunktion zum mittleren quadratischen Fehler.

0-1-Verlust

Bearbeiten

Eine weitere wichtige Verlustfunktion ist der sogenannte 0-1-Verlust. Er ist definiert als

 

für ein  . Er bestraft alle Entscheidungen, die nahe genug an der „richtigen“ Entscheidung liegen, überhaupt nicht und alle, die einen gewissen Abstand zu ihr überschreiten, gleich stark. Im Rahmen von den mengenwertigen Bereichsschätzern wird der 0-1-Verlust dann auch definiert als

 ,

da die Entscheidungen   dann Mengen und keine einzelnen Werte mehr sind.

Neyman-Pearson-Verlustfunktion

Bearbeiten

Für statistische Tests verwendet man eine Abwandlung des 0-1-Verlustes, die sogenannten Neyman-Pearson-Verlustfunktion. Ist   eine Zerlegung des Parameterraumes in Hypothese   und Alternative   sowie   die Entscheidung für die Hypothese und   die Entscheidung für die Alternative, so wird die Verlustfunktion definiert durch

 
 .

Dabei ist  .   entspricht dann dem Verlust bei einem Fehler 1. Art,   bei einem Fehler 2. Art.

Siehe auch

Bearbeiten

Literatur

Bearbeiten