METHODEN-NOTIZEN
Methoden-Notizen: Statistik, R und produktive Datenanalyse
Ein Verfahren je Beitrag: was es leistet, wie es in R läuft, wo es aufhört. Was hier steht, setze ich in realen Projekten ein, mit lauffähigem Code und benannten Grenzen. Erscheint monatlich, zuletzt am 10. September 2026.
Wie diese Methoden im Projekt eingesetzt werden: Leistungen von sove.it.
Decision Curve Analysis in R: wann ein Modell eine Entscheidung wirklich verbessert
Zwei Modelle, dieselbe AUC bis auf die letzte Stelle. Bei niedriger Entscheidungsschwelle spart eines im Mittel 64 unnötige Wartungen je 1000 Anlagen, das andere ist in 85 von 100 Läufen schlechter als „alle warten".
PREDICTIVE ANALYTICSMODELLGÜTER
Kennzahlenberichte in R automatisieren: Funnel Plots statt fester Schwellenwerte
Ein fester Referenzwert erzeugt im Beispiel 2,05 Fehlalarme je Bericht, fallzahlabhängige Grenzen 0,16. Fast neun von zehn Fehlalarmen treffen die kleinen Einheiten. Mit Overdispersion-Korrektur, gerechnetem Vergleich und dem Preis an Trennschärfe.
REPORTINGQUALITÄTSSICHERUNGR
Vorhersageintervalle für XGBoost-Prognosen: Conformal Prediction in R
Ein Punktwert sagt nicht, wie sicher er ist. Keine zwanzig Zeilen R liefern ein Intervall mit nachprüfbarer Überdeckung. Im simulierten Beispiel werden aus zugesagten 90 Prozent im kritischen Segment 50,8.
PREDICTIVE ANALYTICSUNSICHERHEITR
Mundlak-Zerlegung in R: Within- und Between-Effekt in Paneldaten trennen
Warum naive Panelmodelle Wirkung und Selektion vermischen und wie eine einzige Zeile Code die beiden Varianzquellen trennt. Mit plm, glmmTMB und produktiver Umsetzung.
PANELDATENKAUSALANALYSER