Некоторые современные методы для расчёта вероятности возникновения ошибок в массиве данных:

• Матрица ошибок. 1 Инструмент используют в машинном обучении для оценки производительности алгоритма классификации. 1 Матрица описывает ошибки классификатора и типы возникающих ошибок. 1 Некоторые показатели, которые входят в матрицу ошибок: Precision, Accuracy, Recall, ROC-кривая, AUC, Null error rate, Misclassification rate. 1
• Графический анализ данных. 2 Включает построение линейчатых графиков, гистограмм, диаграмм рассеяния и диаграмм размаха. 2 Такой анализ позволяет оценить характер данных и зафиксировать очевидные ошибки, например, вызванные неправильным вводом или импортом данных, а также пропуски. 2
• Статистические методы проверки гипотез. 2 Позволяют получить p-значение, которое отражает вероятность того, что имеющуюся выборку данных возможно наблюдать при условии, что гипотеза верна. 2
• Вычислительный вероятностный анализ (ВВА). 5 Предназначен для решения практических задач, связанных с исследованиями сложных систем в условиях различных видов неопределённости и типов эмпирических данных. 5
• Математическая теория очевидностей (свидетельств) Демпстера–Шафера. 5 Основана на функции доверия и функции правдоподобия, которые используют для того, чтобы скомбинировать отдельные части информации (свидетельства) для вычисления вероятности события. 5