論文の概要: An intuitive rearranging of the Yates covariance decomposition for probabilistic verification of forecasts with the Brier score

• arxiv url: http://arxiv.org/abs/2603.05544v1
• Date: Wed, 04 Mar 2026 15:37:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.185174
• Title: An intuitive rearranging of the Yates covariance decomposition for probabilistic verification of forecasts with the Brier score
• Title（参考訳）: Brierスコアによる予測の確率的検証のためのYates共分散分解の直観的再構成
• Authors: Bruno Hebling Vieira,
• Abstract要約: 本稿では、ブライアスコアのイェーツ共分散分解を3つの独立な非負項に再配置する。 最適な予測は結果のばらつきと同時に一致し、結果との完全な正の相関を達成し、結果の平均と一致させなければならない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Proper scoring rules are essential for evaluating probabilistic forecasts. We propose a simple algebraic rearrangement of the Yates covariance decomposition of the Brier score into three independently non-negative terms: a variance mismatch term, a correlation deficit term, and a calibration-in-the-large term. This rearrangement makes the optimality conditions for perfect forecasting transparent: the optimal forecast must simultaneously match the variance of outcomes, achieve perfect positive correlation with outcomes, and match the mean of outcomes. Any deviation from these conditions results in a positive contribution to the Brier score.
• Abstract（参考訳）: 確率的予測を評価するためには、適切なスコアリングルールが不可欠である。 本稿では,BrierスコアのYates共分散分解を,分散ミスマッチ項,相関欠陥項,キャリブレーション・イン・ザ・大規模項という,独立に非負の3つの項に分解する簡単な代数的再構成を提案する。 最適な予測は結果のばらつきと同時に一致し、結果との完全な正の相関を達成し、結果の平均と一致させなければならない。 これらの条件からの逸脱は、ブライアスコアに肯定的な寄与をもたらす。

関連論文リスト

• Hierarchical Time Series Forecasting with Robust Reconciliation [2.524176647229559]
  本稿では,各高次観測が対応する低次時系列の和に等しい階層的時系列データの予測に焦点をあてる。 このような文脈では、予測値はコヒーレントでなければならない。つまり、各親系列の予測値は、その子系列の予測値の和と正確に一致する。
  論文  参考訳（メタデータ） (2025-10-23T09:30:53Z)
• E-Values Expand the Scope of Conformal Prediction [49.1574468325115]
  コンフォーマル予測は、分布のない不確実性定量化のための強力なフレームワークである。 本稿では,共形e-predictionと呼ばれる電子値に基づく代替手法について検討する。 E値は、p値では達成できない重要な利点を提供し、新しい理論的および実用的能力を実現する。
  論文  参考訳（メタデータ） (2025-03-17T10:54:30Z)
• Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
  実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。 データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-27T21:46:42Z)
• Optimal Ridge Regularization for Out-of-Distribution Prediction [6.278498348219108]
  分配予測のための最適尾根正則化と最適尾根リスクの挙動について検討した。 最適正則化レベルの符号を決定する一般的な条件を確立する。
  論文  参考訳（メタデータ） (2024-04-01T16:51:19Z)
• An Inexact Halpern Iteration with Application to Distributionally Robust Optimization [8.722877733571796]
  不正確なスキームを適切に選択することにより、(予想される)剰余ノルムの点において$O(k-1)収束率を許容することを示す。 本稿では,データ駆動型分散ロバスト最適化の2つのクラスを解くために,提案手法をいかに適用できるかを示す。
  論文  参考訳（メタデータ） (2024-02-08T20:12:47Z)
• Selective Ensembles for Consistent Predictions [19.154189897847804]
  不整合は高い文脈では望ましくない。 この矛盾は、予測を超えて属性を特徴付けていることが示される。 我々は,選択的アンサンブルが低禁制率を維持しつつ,一貫した予測と特徴属性を達成することを証明した。
  論文  参考訳（メタデータ） (2021-11-16T05:03:56Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。