Кіріспе
Статистикадағы екіұшты термин. Статистикада калибрлеу терминінің статистикалық қорытындылаудың ерекше түрлерін білдіретін екі негізгі қолданылуы бар. Калибрлеу – бұл регрессияға кері процесс болуы мүмкін, онда белгілі түсіндірме айнымалыларынан болашақ тәуелді айнымалыны болжаудың орнына, тәуелді айнымалылардың белгілі бір өлшемі тиісті түсіндірме айнымалын болжау үшін пайдаланылады; сондай-ақ, бұл статистикалық жіктеуде сыныпқа жататын ықтималдықтарды анықтау процедуралары, олар жаңа байқаудың әрбір қалыптасқан сыныпқа тиесілігінің белгісіздігін бағалайды. Қосымша, калибрлеу статистикада калибрлеудің жалпы, дәстүрлі мағынасында қолданылады. Мысалы, модельді калибрлеу модель параметрлерінің мәні туралы Байес қорытындысына, белгілі бір деректер жиынтығына немесе жалпы алғанда статистикалық модельді бейімдеудің кез келген түріне сілтеме жасау үшін де қолданылуы мүмкін. Филип Дейвидтің айтуынша, "Егер, мысалы, ол 30 проценттік ықтималдық тағайындаған оқиғалардың ұзақ мерзімді үлесі 30 процентті құраса, онда ол жақсы калибрленген".
There are two main uses of the term calibration in statistics that denote special types of statistical inference problems. Calibration can mean
a reverse process to regression, where instead of a future dependent variable being predicted from known explanatory variables, a known observation of the dependent variables is used to predict a corresponding explanatory variable;
procedures in statistical classification to determine class membership probabilities which assess the uncertainty of a given new observation belonging to each of the already established classes. In addition, calibration is used in statistics with the usual general meaning of calibration. For example, model calibration can be also used to refer to Bayesian inference about the value of a model's parameters, given some data set, or more generally to any type of fitting of a statistical model. As Philip Dawid puts it, "a forecaster is well calibrated if, for example, of those events to which he assigns a probability 30 percent, the long run proportion that actually occurs turns out to be 30 percent."
Мысал
Бір мысал – дендрохронология үшін ағаш сақиналарын немесе радиометриялық талдау үшін көміртек-14 сияқты көзге көрінетін дәлелдерді қолдана отырып, заттардың жасалған мерзімін анықтау. Байқаудың себебі – анықталатын заттың жасы, керісінше емес, және мақсат – жаңа байқауларға сүйене отырып, мерзімді бағалау әдісін қолдану. Қолданылып жатқан модель белгілі жастарды байқаулармен байланыстырғанда, байқаудағы қателікті азайтуға, әлде мерзімді анықтаудағы қателікті азайтуға бағытталған болуы керек деген мәселе туындайды. Екі тәсіл де әртүрлі нәтижелер береді, ал егер модель белгілі нәтижелерден алшақтағанда болжам жасау үшін қолданылса, арадағы айырмашылық күшейе түседі.