Eine nachweisbare obere Grenze für die Größe eines Approximations- oder Messfehlers unter angegebenen Annahmen; kann a priori (vor der Berechnung) oder a posteriori (nach der Berechnung) gegeben werden und dient der Garantie der Worst-Case-Performance.

Prinzip

Eine Fehlerabschätzung quantifiziert die größtmögliche Abweichung zwischen einem approximativen Wert und dem wahren Wert, die mit den Modellannahmen und der Herleitung konsistent ist; a-priori-Abschätzungen hängen von theoretischen Parametern ab, während a-posteriori-Abschätzungen berechnete Residuen oder Indikatoren nutzen.

Demonstration

Eine a-priori-Fehlerabschätzung im Finite-Elemente-Kontext: Für ein Poisson-Problem mit ausreichender Regularität lässt sich der H^1-Norm-Fehler durch C h^p ||u||_{p+1} abschätzen, wobei C von der Netzregularität und p vom Polynomgrad abhängt; dies liefert ein berechenbares Worst-Case-Skalierungsverhalten des Fehlers mit der Gittergröße.

Fehlanwendung

Die Verwendung einer Fehlerabschätzung, die unter nicht erfüllten Annahmen berechnet wurde (z. B. Annahme von Lösungsregularität oder Netzregularität), und das Behandeln der Abschätzung als tatsächlichen Fehler, oder das Ignorieren großer Konstanten, die die Abschätzung pessimistisch machen.

Konsequenz

Gültige Fehlerabschätzungen liefern garantierte Toleranzen, Abbruchkriterien und Sicherheitsmargen für Algorithmen und Messprotokolle; sie ermöglichen kontrolliertes Verfeinern und die Zertifizierung von Ergebnissen innerhalb nachweisbarer Grenzen.

Umkehrung

Fehlen einer Fehlerabschätzung bedeutet, dass es keine nachweisbare Worst-Case-Garantie für die Approximation gibt; man muss sich dann auf empirische Tests, Heuristiken oder probabilistische Fehlermodelle statt auf deterministische Garantien stützen.

Abgrenzung

Gilt unter den in der Herleitung verwendeten Annahmen (Regularität, Normen, Stabilität); Abschätzungen können pessimistisch, asymptotisch oder problemabhängig sein und ersetzen keine empirische Validierung — sie betreffen den Worst Case, nicht den typischen Fehler.

Semantische Spannung

Fehlerabschätzungen stehen im Spannungsfeld zu typischen Fehlerabschätzungen: eine scharfe Abschätzung ist aufschlussreich, viele Abschätzungen sind konservativ; Praktiker müssen die Verlässlichkeit von Worst-Case-Garantien gegenüber dem beobachteten Durchschnittsverhalten abwägen.

Synthese

Eine Fehlerabschätzung gibt unter expliziten Annahmen eine verteidigungsfähige Obergrenze des möglichen Fehlers; sie ist ein Werkzeug zur Garantie und Kontrolle von Berechnungen, das am besten zusammen mit empirischen Prüfungen und Sensitivitätsanalysen eingesetzt wird, um Anwendbarkeit und Schärfe zu beurteilen.