Uno scienziato dei dati valuta un modello GluonTS DeepAR e trova punteggi di copertura di 0,489 al quantile 0,5 e 0,889 al quantile 0,9 sul set di test. Qual è una conclusione ragionevole sulla calibrazione della previsione distribuzionale?

La calibrazione di una previsione distribuzionale è considerata corretta quando il punteggio di copertura per un dato quantile è approssimativamente uguale al livello del quantile stesso. In questo caso, un punteggio di copertura di 0,489 al quantile 0,5 (mediana) è molto vicino al 50%, e un punteggio di 0,889 al quantile 0,9 è vicino al 90%. Questo indica che il modello sta stimando correttamente l'incertezza e la distribuzione dei valori futuri. Le altre opzioni sono errate perché la calibrazione non richiede che i punteggi siano uguali tra i quantili, né che raggiungano un picco alla mediana o siano sempre inferiori al valore del quantile.