Home

KalibrierungSchätzung

KalibrierungSchätzung bezeichnet in der Statistik die Methode, Messungen oder Schätzungen so anzupassen, dass sie bekannten Referenzen, Standards oder Hilfsgrößen entsprechen. Der Begriff wird sowohl in der Metrologie als auch in der Stichprobentheorie verwendet. Ziel ist es, systematische Fehler zu korrigieren und die Genauigkeit oder Effizienz von Schätzungen zu erhöhen, indem Modelle oder Gewichte so festgelegt werden, dass sie die bekannten Größen oder Totale erfüllen.

In der Metrologie erfolgt Kalibrierung über eine Kalibrierungsfunktion, die den wahren Wert einer Größe mit dem

In der Stichprobentheorie bezeichnet KalibrierungSchätzung die Anpassung von Stichprobengewichten, sodass die gewichtete Stichprobe bekannte Totale von

KalibrierungSchätzung erfordert korrekte Hilfsinformationen und Annahmen über Messfehler sowie über das Kalibrierungsmodell; sie kann bei Extrapolation

gemessenen
Signal
in
Beziehung
setzt.
Häufige
Modelle
sind
lineare
Kalibrierungen
y
=
a
+
b
x,
aber
auch
nichtlineare
oder
polynomiale
Formen.
Die
Parameterschätzung
erfolgt
typischerweise
durch
Regression;
bei
Fehlern
in
beiden
Variablen
durch
Deming-
oder
Total
Least
Squares-Verfahren.
Bei
komplexeren
Messketten
können
auch
zeitabhängige
oder
diskrete
Kalibrierungsmodelle
verwendet
werden.
Hilfsvariablen
erreicht.
Man
minimiert
dabei
eine
Distanz
zwischen
den
ursprünglichen
Gewichten
und
den
kalibrierten
Gewichten
unter
der
Nebenbedingung,
dass
die
gewichteten
Totale
der
Hilfsvariablen
den
bekannten
Populationswerten
entsprechen.
Beliebte
Ansätze
sind
das
Raking
(iteratives
Proportional
Fitting)
und
die
Regression-Kalibrierung;
allgemeinere
Kalibrierungsverfahren
ermöglichen
die
Einbeziehung
mehrerer
Hilfsgrößen
und
Kostenfunktionen.
Ziel
ist
eine
effizientere
Schätzung
bei
gleicher
Verzerrung.
außerhalb
des
Kalibrierungsraums
oder
bei
schlecht
passenden
Modellen
zu
Verzerrungen
führen.
In
vielen
Anwendungsfeldern,
von
der
Messtechnik
über
Umwelt-
und
Sozialforschung,
dient
KalibrierungSchätzung
dazu,
Daten
konsistenter
und
vergleichbarer
zu
machen.