একটি বৈজ্ঞানিক কাগজে বাঁক-ফিট ফলাফলের প্রতিবেদন করা


11

(আমি আশা করি এই প্রশ্নটি এই সাইটে ফিট করে; যদি না হয় তবে আমার ক্ষমা প্রার্থনা করুন) accept

আমি একটি নির্দিষ্ট সিমুলেশন চালিয়েছি এবং টাইম সিরিজ y (টি), টি = 0, 1, ... 20 পেয়েছি some কিছু ফাংশন চেষ্টা করার পরে আমি দেখতে পেলাম যে:

y(t) =~ 1 / (A t + B)

যেখানে A এবং B সহগ রয়েছে, আমি ল ar 2> 0.99 সহ লিনিয়ার রিগ্রেশন ব্যবহার করে গণনা করেছি।

বৈজ্ঞানিক কাগজে এই জাতীয় ফলাফলের প্রতিবেদন করার স্ট্যান্ডার্ড উপায় কী? বিশেষ করে:

উ: আমার কোনও তাত্ত্বিক ব্যাখ্যা নেই, আউটপুটটি কেন এমন দেখাচ্ছে (আমি জানি এটি হ্রাস হওয়া উচিত, এবং এটি নীচে থেকে আবদ্ধ, তবে আরও বেশি নয়)। এটি কেবল একটি সফল অনুমান ছিল। আমার চেষ্টা করা অন্যান্য সমস্ত ব্যর্থ অনুমানগুলি বর্ণনা করা উচিত?

খ। আমি যখনই সিমুলেশনটি চালাই, তখন আমি এ এবং বি এর কিছুটা আলাদা মান পাই I যদি তা হয় তবে কতবার যথেষ্ট?


আপনি কি জানাতে চান? প্রতিটি পৃথক সিমুলেশন কী প্রতিনিধিত্ব করে?
বিল বার্থ

এটি জমির মালিকানার সিমুলেশন। এন নাগরিক এবং এন জমি প্লট আছে। প্রাথমিকভাবে, প্রতিটি জমি-প্লট একটি এলোমেলো নাগরিককে দেওয়া হয়। তারপরে, প্রতি বছর, প্রতিটি জমি একটি নির্দিষ্ট সম্ভাব্য পি দিয়ে বিক্রি করা হয়, এবং যদি সত্যই এটি বিক্রি হয় তবে ক্রেতা এলোমেলোভাবে নির্বাচন করা হয়। 50 বছর পরে, আমি একটি "জুবিলী" পদ্ধতি পরিচালনা করি যেখানে কিছু মালিকানা যদি মালিকদের কাছে জমি না থাকে তবে মূল মালিকদের কাছে ফিরিয়ে দেওয়া হয় returned আমি প্রতিটি জয়ন্তীর (টি) পরে জমি (y) ছাড়া নাগরিকের সংখ্যা পরিমাপ করি। অবশ্যই y (টি) ক্রমবর্ধমান। আমি এটি দেখাতে চাই যে এটি অনুমানযোগ্য হারে হ্রাস
পাচ্ছে

আমার কাছে মনে হচ্ছে আপনার এবং পরে একটি পরিসংখ্যানমূলক প্রতিনিধিত্ব করা উচিত (তারপরে, মধ্যম ইত্যাদি)। AB
বিল বার্থ

2
1 বিভিন্ন প্রজাতির সহ এমন একটি মডেল বিবেচনা করুন যেখানে , যা জমির প্লট সহ জমির মালিকদের ঘনত্বকে বোঝায় । এখন আপনি আপনার সমস্যার জন্য রাসায়নিক গতিবিদ্যা তত্ত্ব প্রয়োগ করতে পারেন। n = 0 এন এনxnn=0Nn
ডেথব্রিথ

বিল: আপনার মানে কী আমি অনেকবার A এবং B গণনা করব, তারপরে গড়টি এবং স্ট্যান্ডের প্রতিবেদন করব? আমি মনে করি যে সমস্ত অনুকরণের সমস্ত নমুনা সহ একটি একক লিনিয়ার রিগ্রেশন করা আরও ভাল পদ্ধতির। তবে কতবার আমার সিমুলেশন চালানো উচিত?
এরেল সেগাল-হালেভি

উত্তর:


5

আপনি আপনার বিতরণে একটি পাওয়ার আইন ফিট করার চেষ্টা করছেন । অনেক আগ্রহব্যাঞ্জক. আপ সব সময় এই প্রদর্শনী গ্রাফ তত্ত্ব , সামাজিক নেটওয়ার্ক , এবং একটি হত্যা করেছিলে অন্যান্য স্থানে হয়।

এখানে এবং এখানে আপনার ডেটা ফিট করার জন্য কয়েকটি টিউটোরিয়াল রয়েছে ।

এছাড়াও, এ। এ প্রশ্নের জবাবে, জমি কেনার কোনও ব্যক্তির সম্ভাবনা কীভাবে ইতিমধ্যে তার কতটা জমি রয়েছে তার উপর নির্ভর করে? কোনও পাওয়ার আইন আপনার ডেটার পক্ষে যুক্তিসঙ্গত ফিট কেন তা বোঝাতে আপনি বার্বাসির মডেলটি ব্যবহার করতে সক্ষম হতে পারেন ।

আপডেট: আমি এটি ব্যবহার করেছি এবং এটি দুর্দান্ত কাজ করেছে: https://pypi.python.org/pypi/powerlaw


সব লিঙ্কের জন্য +1! আমি পাওয়ার আইনের কথাও ভেবেছিলাম, তবে বি ধ্রুবক (y = (A t + B) ^ - 1) এর কারণে এটি সরল রূপ (y = A t ^ k) আমার পাওয়া ফর্মটি দেয় না ent আরও সাধারণ ফর্ম আছে?
এরেল সেগাল-হালেভি

আপনি যদি বক্ররেখাটির আকৃতি বর্ণনা করতে আগ্রহী হন তবে কোনও পাওয়ার আইনের উপযুক্ত করার আগে আপনাকে ফ্যাক্টর এবং শিফট করা উচিত। আপনার কাছে বি আছে তা বক্রের আকারের সাথে প্রাসঙ্গিক নয়।
dranxo

দুঃখিত, আমি আপনাকে বুঝতে পারি নি, আপনি "তাহলে আপনার উচিত ফ্যাক্টর এবং শিফট" এর অর্থ কী?
এরেল সেগাল-হালেভি

এক্স = টি + বি / এ সেট করুন। তারপরে (At + B) ^ {- 1} = (A * x) ^ {- 1} যা লিঙ্কগুলিতে ফর্ম।
dranxo

1
tuvalu.santafe.edu/~aaronc/courses/7000/csci7000-001_2011_L3.pdf
dranxo

7

আপনার প্রশ্নে কয়েকটি চিন্তা:

  • আপনি কীভাবে আপনার মডেল ফিট করবেন তা আপনার শ্রোতা এবং আপনার ক্ষেত্রের উপর নির্ভর করবে। উদাহরণস্বরূপ, আমার ক্ষেত্রে, আর ^ 2 এর মতো মডেল ফিট পরিসংখ্যান খুব কমই প্রতিবেদন করা হয়েছে - এটি চিত্তাকর্ষক বা বিশেষভাবে কার্যকর হিসাবে বিবেচিত নয়। পরিবর্তে, আপনি যে মডেলটিতে এসেছিলেন সে সম্পর্কে আপনি কীভাবে পৌঁছেছিলেন তার কিছু মানদণ্ড বর্ণিত হতে থাকে এবং তারপরে আপনি আপনার মডেল ফলাফলের প্রতিবেদন করেন - আমরা সবাই ধরে নিই যে আপনি প্রকৃতপক্ষে মডেলটি সঠিকভাবে ফিট করেছেন।
  • "আমি এই ফর্মটি পেরেছি" একটি খারাপ ব্যাখ্যা। সত্যিই খারাপ। পেনিসিলিন বা কুইনিন আবিষ্কারের মতো দুর্ঘটনাজনিত প্রতিভা গল্পের স্নেহ সত্ত্বেও, "অন্ধ বোবা ভাগ্য" কোনও নির্ভরযোগ্য বৈজ্ঞানিক প্রক্রিয়া নয়। উদাহরণস্বরূপ, আপনি দেখিয়েছেন যে সেই ফর্মটি আপনার ডেটা ফিট করার ক্ষেত্রে ভাল তবে আপনি এখনও এটি দেখাননি যে এটি আপনার ডেটা ফিট করার ক্ষেত্রে সবচেয়ে ভাল । আপনার মডেল ডেটা কতটা ফিট করে তা মূল্যায়নের জন্য একা আর ^ 2 যথেষ্ট মেট্রিক নয়। আনসকম্বের চৌকোটি দেখুন ।
  • @ রকম্পটন যেমন উল্লেখ করেছেন, দেখে মনে হচ্ছে আপনি কোনও বিদ্যুৎ আইন বিতরণ না জেনেও ফিট করার চেষ্টা করছেন তবে আপনি যদি কোনও পাওয়ার আইনকে ভালভাবে মাপসই করে নিও তবে আপনি কেন এটিকে একটি পাওয়ার আইন বলে মনে করেন তার কোনও কারণ খুঁজে পেলে এটি সত্যিই সেরা । সময়ের সাথে সাথে ওয়াই প্লট করা, ক্রসভিলেটেড (বা একটি কলেজ / বিভাগ পরিসংখ্যানের তুলনায় আরও আরামদায়ক) এ যাওয়ার জন্য এবং নিয়মিত বিতরণে যেতে পারে যা আপনাকে প্রায় চেহারা দিতে পারে that পাওয়ার আইন বিতরণের পাশাপাশি আরও কিছু রয়েছে যা আপনাকে সর্বোত্তম মানিয়ে তুলতে পারে।

অন্তর্দৃষ্টি জন্য +1। "পরিকল্পিতভাবে বিতরণগুলি অতিক্রম করুন যা আপনাকে প্রায় চেহারা দিতে পারে" " - আমি এগুলি কোথায় পাব?
এরেল সেগাল-হালেভি

@ ইরেলসাগালহালেভি আপনি ক্রসভিলেটেডে শুরু করতে পারেন, এই সাইট বোন-সাইট যা পরিসংখ্যান এবং ডেটা বিশ্লেষণকে উদ্বেগ করে।
ফোমাইট
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.