Qual é a diferença entre uma função de perda e uma função de erro?

31

O termo "perda" é sinônimo de "erro"? Existe uma diferença na definição?

Além disso, qual é a origem do termo "perda"?

Nota: A função de erro mencionada aqui não deve ser confundida com erro normal.

Dan Kowalczyk
fonte
1
A minha pergunta está relacionada a este, mas eu não encontrá-lo satisfatório stats.stackexchange.com/questions/179026/...
Dan Kowalczyk
1
Seria útil para nós se você pudesse indicar o que considera insatisfatório sobre o segmento relacionado.
S. Kolassa - Restabelece Monica
1
Ele não aborda a função de erro em particular, e incide principalmente sobre os tipos de perda
Dan Kowalczyk

Respostas:

57

No contexto de um modelo preditivo ou inferencial, o termo "erro" geralmente se refere ao desvio de um valor real de uma previsão ou expectativa desse valor. É determinado inteiramente pelo mecanismo de previsão e pelo comportamento real das quantidades sob observação. A "perda" é uma medida quantificada de quão ruim é obter um erro de um determinado tamanho / direção, que é afetada pelas consequências negativas que resultam em previsões imprecisas.

Uma função de erro mede o desvio de um valor observável de uma previsão, enquanto uma função de perda opera no erro para quantificar a conseqüência negativa de um erro. Por exemplo, em alguns contextos, pode ser razoável afirmar que há perda quadrada de erro , em que a consequência negativa de um erro é quantificada como proporcional ao quadrado do erro. Em outros contextos, podemos ser mais afetados negativamente por um erro em uma direção específica (por exemplo, falso positivo versus falso negativo) e, portanto, podemos adotar uma função de perda não simétrica.

A função de erro é um objeto puramente estatístico, enquanto a função de perda é um objeto teórico da decisão que estamos trazendo para quantificar as consequências negativas do erro. Este último é usado na teoria da decisão e na economia (geralmente através do seu oposto - uma função de utilidade cardinal).


Um exemplo: você é um criminoso criminoso que administra uma sala de apostas ilegal para o Mob. Toda semana você tem que pagar 50% dos lucros ao chefe da Máfia, mas desde que você administra o local, o chefe depende de você para fornecer uma contabilidade verdadeira dos lucros. Se você tiver uma boa semana, poderá conseguir retirá-lo de alguma quantia, sub-representando seu lucro, mas se você pagar mal ao chefe, em relação ao que ele suspeita ser o lucro real, você é um homem morto. Então, você deseja prever quanto ele espera receber e pagar em conformidade. Idealmente, você dará a ele exatamente o que ele está esperando e ficará com o resto, mas você pode cometer um erro de previsão e pagar a ele muito, ou (caramba!) Muito pouco.

Você tem uma boa semana e ganha em lucro; portanto, o chefe é devedor . Ele não sabe como foi uma boa semana, então a verdadeira expectativa de sua parte é de apenas (desconhecida para você). Você decide pagar . Então sua função de erro é:1π=$40,000θ=$15,000 θ12π=$20,000θ=$15,000θ^

Error(θ^,θ)=θ^θ,

e (se assumirmos que a perda é linear em dinheiro), sua função de perda é:

Loss(θ^,θ)={if θ^<θ(sleep wit' da fishes)θ^πif θ^θ(live to spend another week)

Este é um exemplo de uma função de perda assimétrica (solução discutida nos comentários abaixo) que difere substancialmente da função de erro. A natureza assimétrica da função de perda neste caso enfatiza o resultado catastrófico no caso em que há subestimação do parâmetro desconhecido.

Restabelecer Monica
fonte
2
Muito claro, obrigado pela sua resposta. Aceitarei uma resposta depois que outros tiverem uma chance.
Dan Kowalczyk
4
Este novo exemplo parece vir da experiência pessoal ...
Dan Kowalczyk
2
O exemplo é fantástico.
Greenstick 26/07
Enquanto o exemplo é divertido, uma perda infinita é bastante sem sentido. A solução ideal nesse caso seria sempre dar ao seu chefe todo o dinheiro que você ganhou. Sugiro alterar isso para que a resposta seja realmente excelente.
Alex bGoode
1
Parece haver visões diferentes sobre o exemplo, então, por enquanto, deixarei como está, mas estou aberto a uma edição se ela provar ser impopular. Dito isto, o objetivo no presente contexto é mostrar ao PO um exemplo de uma função de perda altamente assimétrica, para enfatizar a diferença com a função de erro. O fato de que a solução ideal é dar todo o dinheiro ao chefe não torna o exemplo "sem sentido" - significa apenas que a solução ideal é dar todo o dinheiro ao chefe.
Reponha Monica