利用区间评分的分解评估区间预测的条件校准
统计方法学
2025-08-26 v1
摘要
对未来不确定事件的预测应该是概率性的。概率预测通常以预测区间的形式发布，预测区间提供了未知结果中不确定性的度量，同时比完整的预测分布更易于理解和交流。水平的预测区间的校准可以通过检查结果落入区间的概率是否等于来评估。然而，这种覆盖率检查通常是无条件的，因此相对较弱。尽管这一点众所周知，但目前缺乏评估区间预测条件校准的方法。在这项工作中，我们展示了如何通过分解著名的区间（或Winkler）评分来实现这一点。我们研究了区间预测的校准概念，然后引入了一种基于保序分布回归的区间评分分解。这种分解在理论和实践中都表现出许多理想的特性，使用户能够准确评估区间预测的条件校准。这在模拟数据和三个基准回归数据集的应用中得到了说明。
引用
@article{arxiv.2508.18034,
title = {Assessing the conditional calibration of interval forecasts using decompositions of the interval score},
author = {Sam Allen and Julia Burnello and Johanna Ziegel},
journal= {arXiv preprint arXiv:2508.18034},
year = {2025}
}