Gewichtungsverfahren

Gewichtungsverfahren sind Methoden, mit denen einzelnen Elementen, Merkmalen oder Quellen relative Bedeutungen oder Einflusswerte zugeteilt werden. Ziel ist es, Ausprägungen, Unsicherheiten oder Relevanzen bei der Aggregation zu berücksichtigen, damit Ergebnisse die Struktur der zugrundeliegenden Realität besser widerspiegeln.

In der Statistik und bei Stichproben werden Gewichte verwendet, um Verzerrungen aus dem Stichprofenverfahren auszugleichen oder bekannte Merkmalsverteilungen abzubilden. Typische Verfahren umfassen Designgewichte (inverse Stichprobenwahrscheinlichkeit), Kalibrierung und Poststratifizierung oder Raking, um Zuweisungen an Populationsmarginals anzupassen. Gleichgewichte verteilen den Einfluss identisch; gewichtete Mittelwerte oder Regressionsschätzungen verwenden diese Gewichte.

In der Entscheidungsunterstützung und Mehrkriterienanalyse dienen Gewichtungen der Aggregation von Präferenzen oder Kriterien. Methoden wie AHP, Entropiegewichtung, Regressions- oder Optimierungsansätze liefern objektive oder subjektive Gewichte. Gewichte werden oft so skaliert, dass sie zu einer Normalisierung beitragen (zum Beispiel Summe der Gewichte gleich eins), um vergleichbare Scores zu ermöglichen.

Weitere Anwendungsfelder sind die Datenfusion, Sensorfusion, Bild- und Signalanalyse sowie maschinelles Lernen. Hier werden Merkmale, Quellen oder Modelle entsprechend ihrer Zuverlässigkeit, Informationsgehalt oder Relevanz gewichtet. Typische Probleme umfassen die Stabilität der Ergebnisse gegenüber Gewichtungsänderungen, Sensitivität, Skalierung und die Validierung gegen unabhängige Referenzen.