Core Concepts
Der P1-Fehler ist eine Metrik, die die Vorteile des absoluten und des relativen Fehlers kombiniert und deren Nachteile abmildert. Er nähert sich dem absoluten Fehler an, wenn der Referenzwert klein ist, und dem relativen Fehler, wenn der Referenzwert groß ist.
Abstract
Der Artikel führt eine neue Fehlermetrik, den "P1-Fehler" oder "Plus-1-Fehler", ein. Diese Metrik kombiniert die Vorteile des absoluten und des relativen Fehlers, während sie deren Einschränkungen abmildert.
Der absolute Fehler ist für große Zahlen ungeeignet, da er die Bedeutung eines Fehlers überbetonen kann, wenn die Zahlen groß sind, selbst wenn der relative Fehler klein ist. Umgekehrt ist der relative Fehler für kleine Zahlen nicht geeignet, da er den Fehler übertreibt, wenn der Referenzwert klein ist.
Der P1-Fehler ist definiert als |x-y| / (1+|y|), wobei x der Näherungswert und y der Referenzwert ist. Er hat folgende Eigenschaften:
Der Fehler nähert sich dem absoluten Fehler an, wenn |y| gegen 0 geht.
Der Fehler nähert sich dem relativen Fehler an, wenn |y| gegen unendlich geht.
Der Fehler ist eine glatte und ausgewogene Kombination aus absolutem und relativem Fehler.
Ein ε P1-Fehler bedeutet, dass x nahe bei y liegt, mit einer absoluten Toleranz von ε und einer relativen Toleranz von ε.
Der Fehler ist auch definiert, wenn y = 0.
Der Artikel vergleicht den P1-Fehler mit anderen Kombinationen aus absolutem und relativem Fehler und zeigt, dass der P1-Fehler die besten Eigenschaften aufweist.
Stats
Beispiele für (x,y) und deren Fehler gemessen mit absolutem Fehler, relativem Fehler und P1-Fehler:
x
y
Absoluter Fehler
Relativer Fehler
P1-Fehler
2.001
0.001
2
2000 (200000%)
1.998
3
1
2 (200%)
2
1
1002
1000
2 (0.2%)
0.001998
0.00102
0.001
0.00002
0.02 (2%)
0.00001998
1.02
1
0.02
0.02
0.01
1020
1000
20
0.01998
0.2012
0.001
0.2002
200.2 (20020%)
0.2
1.4
1
0.4
0.4 (40%)
0.4
1200.2
1000
200.2
0.2002 (20.02%)
0.2002
0.001
0
0.001
Undefiniert
0.001