This HTML5 document contains 14 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

PrefixNamespace IRI
dbpedia-dehttp://de.dbpedia.org/resource/
dcthttp://purl.org/dc/terms/
category-dehttp://de.dbpedia.org/resource/Kategorie:
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-wikidatahttp://wikidata.dbpedia.org/resource/
n8http://de.wikipedia.org/wiki/Scoring_rule?oldid=
rdfshttp://www.w3.org/2000/01/rdf-schema#
n12http://rdf.freebase.com/ns/m.
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
wikipedia-dehttp://de.wikipedia.org/wiki/
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
dbrhttp://dbpedia.org/resource/
wikidatahttp://www.wikidata.org/entity/
n15http://www.decisionsciencenews.com/?p=
Subject Item
dbpedia-de:Scoring_rule
rdfs:label
Scoring rule
rdfs:comment
In der Entscheidungstheorie ist eine score function oder scoring rule, zu deutsch eine Bewertungs-Regel, ein Maß für die Performanz eines Individuums, wenn mit Unsicherheit behaftete Entscheidungen getroffen werden. Als Beispiel kann die Wettervorhersage herangezogen werden. Dabei wird eine Regenwahrscheinlichkeit für jeden Tag erzeugt. Durch eine Statistik der Vorhersagen kann die tatsächliche Regenhäufigkeit mit der Vorhersage abgeglichen werden. Ist die Vorhersage oft falsch, so wird sie schlecht kalibriert genannt. Kann der Vorhersagende motiviert werden, seine Leistung zu verbessern, dann kann eine Funktion
owl:sameAs
wikidata:Q2260590 dbpedia-wikidata:Q2260590 n12:0bgznr dbr:Scoring_rule
dct:subject
category-de:Entscheidungstheorie
foaf:isPrimaryTopicOf
wikipedia-de:Scoring_rule
dbo:wikiPageID
4788403
dbo:wikiPageRevisionID
155774836
dbo:wikiPageExternalLink
n15:963
prov:wasDerivedFrom
n8:155774836
dbo:abstract
In der Entscheidungstheorie ist eine score function oder scoring rule, zu deutsch eine Bewertungs-Regel, ein Maß für die Performanz eines Individuums, wenn mit Unsicherheit behaftete Entscheidungen getroffen werden. Als Beispiel kann die Wettervorhersage herangezogen werden. Dabei wird eine Regenwahrscheinlichkeit für jeden Tag erzeugt. Durch eine Statistik der Vorhersagen kann die tatsächliche Regenhäufigkeit mit der Vorhersage abgeglichen werden. Ist die Vorhersage oft falsch, so wird sie schlecht kalibriert genannt. Kann der Vorhersagende motiviert werden, seine Leistung zu verbessern, dann kann eine Funktion verwendet werden, bei der das die Vorhersage ist und , wenn es regnet, und , wenn nicht. Will der Vorhersagende nun seine Leistung mit dieser Funktion optimieren, dann wird über folgende Funktion maximiert; wobei p die persönliche Wahrscheinlichkeit des Vorhersagenden ist, dass es regnen wird.
Subject Item
wikipedia-de:Scoring_rule
foaf:primaryTopic
dbpedia-de:Scoring_rule