Mischgewichten

Mischgewichte sind in der Statistik die Anteile, die den einzelnen Komponenten eines endlichen Mischmodells zugeordnet werden. Sie geben die relative Häufigkeit oder Prävalenz der Komponenten in der zugrundeliegenden Population an. Formal sind sie nichtnegative Zahlen pi_k mit der Eigenschaft, dass sum_k pi_k = 1.

Für eine endliche Mischung einer Dichte gilt: f(x) = sum_{k=1}^K pi_k f_k(x), wobei f_k die Dichten der Komponenten darstellen. In einer Gaußschen Mischverteilung sind f_k Gauss'sche Dichten mit Parametern (μ_k, Σ_k). Die Mischgewichte beschreiben damit den Anteil jeder Komponente an der Gesamtdichte.

Schätzung erfolgt typischerweise mittels Maximum-Likelihood-Ansatz oder Bayesscher Methoden. In der Praxis wird oft der Expectation-Maximization-Algorithmus verwendet, um sowohl die Komponentenparameter als auch die Mischgewichte zu schätzen. Als Prior kann für die pi_k eine Dirichlet-Verteilung gewählt werden; Identifizierbarkeit und Label-Schifting können bei überlappenden Komponenten auftreten.

Interpretation: Die Mischgewichte geben an, wie dominant eine Komponente in den Daten ist. Kleine Werte weisen auf seltene Komponenten hin. Sie beeinflussen die Zuordnung der Datenpunkte zu den Komponenten während der Zuordnungsschritte.

Anwendungen finden sich in der Clustering- und Dichteschätzung, der Anomalieerkennung, Mustererkennung, Genetik und Marktforschung. Mischmodelle ermöglichen es, heterogene Daten zu modellieren, ohne eine einzige Verteilung annehmen zu müssen.

Beispiel: In einer drei-Komponenten-Mischung können pi = (0,2, 0,5, 0,3) vorliegen, wodurch 20 %, 50 % bzw. 30 % der Beobachtungen voraussichtlich zu den jeweiligen Komponenten gehören.