Interaktiver Explainer

Interaktiv: Bootstrap: Unsicherheit durch Wiederholungsstichproben

Der nichtparametrische Bootstrap zieht wiederholt mit Zurücklegen aus den beobachteten Daten. Die Streuung der neu berechneten Kennzahl schätzt deren Stichprobenunsicherheit; neue Informationen über unbeobachtete Fälle entstehen dadurch nicht.

Interaktiv

Interaktiv: Bootstrap: Unsicherheit durch Wiederholungsstichproben

Wählen Sie Mittelwert oder Median, die Anzahl synthetischer Beobachtungen und die Dauer des ersten Falls. Die Wiederholungsstichproben werden lokal berechnet.

Die Anzeige lesen

Die Kurve verbindet die Häufigkeiten eines Histogramms aus 2.000 Bootstrap-Schätzungen. Sie zeigt die Verteilung der geschätzten Kennzahl, nicht die ursprünglichen Bearbeitungszeiten. Der Text nennt Schätzung, zentrales Perzentilintervall und Standardfehler. Unter „Werte als Tabelle“ stehen die Originalwerte, damit die Datengrundlage überprüfbar bleibt.

Der Zufallsstart ist fest. Wenn Sie eine Einstellung zurücksetzen, erhalten Sie dasselbe Ergebnis. Eine größere Beobachtungszahl erzeugt mehr synthetische Ausgangsfälle; sie bedeutet nicht, dass Bootstrap aus den vorhandenen Fällen zusätzliche echte Daten gewonnen hätte.

Drei Experimente

  1. Ein langer Vorgang: Erhöhen Sie die Dauer des ersten Falls von 10 auf 60 Minuten. Beobachten Sie Schätzung und Intervallbreite.
  2. Die Kennzahl wechseln: Vergleichen Sie Mittelwert und Median bei denselben Werten. Welche betriebliche Frage passt zu welcher Kennzahl?
  3. Mehr Originalfälle: Stellen Sie 30 und 100 Beobachtungen gegenüber. Prüfen Sie, wie der Einfluss eines einzelnen großen Werts und die geschätzte Unsicherheit variieren.

„Zurücksetzen“ stellt Mittelwert, 30 Fälle und zehn Minuten für den ersten Fall wieder her. Der einfache Bootstrap berücksichtigt keine Abhängigkeiten zwischen Fällen und keine unbeobachteten Risiken. Die ausführliche Erklärung zeigt einen vollständig aufzählbaren Fall und erläutert die Grenzen des Perzentilintervalls.

Von NyxAI

smartlytics ist das Wissensangebot der NyxAI GmbH.

Wir erklären hier die Methoden, mit denen wir arbeiten – offen, mit Quellen und so, dass man sie nachrechnen kann.

Entscheidungskern

NyxAI entwickelt einen Entscheidungskern (Decision Core) für Decision Intelligence, der Optimierung, Simulation, Statistik und Reinforcement Learning verbindet: Optionen vergleichen, Unsicherheit sichtbar machen, aus Ergebnissen lernen – unter menschlicher Verantwortung.

KI-Workflows bei NyxAI

DeepSquare

Erklärbare Schach-KI mit menschlichen Spielstilen: das Testfeld von NyxAI für nachvollziehbare Entscheidungen unter Zeitdruck.