Statistik, R und produktive Datenanalyse. Ein Verfahren je Beitrag, mit lauffähigem Code und der Prüfgröße, die dazugehört. https://www.sove-it.de/insights/ 2026-09-10T21:00:00+02:00 Nico Schäferhttps://www.sove-it.de/#profil © 2026 sove.it e.K. https://www.sove-it.de/insights/decision-curve-analysis.html 2026-09-10T21:00:00+02:00 2026-09-10T21:00:00+02:00

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". Mit Net Benefit, Kalibrierung und dplyr-Code.

https://www.sove-it.de/insights/funnel-plots-kennzahlenberichte.html 2026-09-10T20:00:00+02:00 2026-09-10T20:00:00+02:00

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.

https://www.sove-it.de/insights/conformal-prediction-xgboost.html 2026-07-30T00:00:00+02:00 2026-09-10T21:00:00+02:00

Ein Punktwert sagt nicht, wie sicher er ist. Keine zwanzig Zeilen R liefern ein Vorhersageintervall mit nachprüfbarer Überdeckung: Kalibrierquantil, Überdeckungsprüfung je Gruppe und einseitige Alarmregel.

https://www.sove-it.de/insights/mundlak-zerlegung.html 2026-07-13T00:00:00+02:00 2026-09-10T21:00:00+02:00

Warum naive Panelmodelle Wirkung und Selektion vermischen und wie eine einzige Zusatzvariable die beiden Varianzquellen trennt. Mit plm, glmmTMB und produktiver Umsetzung.