আপনার ডেটা স্বাভাবিক বলে মনে করার কোনও ভিত্তি নেই। এমনকি আপনার স্কিউনেস এবং অতিরিক্ত কুর্তোসিস উভয়ই ঠিক 0 ছিল তবে এটি আপনার ডেটা স্বাভাবিক বলে বোঝায় না । প্রত্যাশিত মানগুলি থেকে দূরে স্নিগ্ধতা এবং কুর্তোসিস অ-স্বাভাবিকতা নির্দেশ করে, তবে কনভার্সটি ধরে রাখে না। অ-স্বাভাবিক বিতরণ রয়েছে যা সাধারণের মতো একই রকম স্কিউনেস এবং কুর্তোসিস। একটি উদাহরণ এখানে আলোচনা করা হয়েছে , যার ঘনত্ব নীচে পুনরুত্পাদন করা হয়:
যেমন আপনি দেখতে পাচ্ছেন, এটি স্পষ্টভাবে বিমোডাল। এই ক্ষেত্রে, বিতরণটি প্রতিসম হয়, সুতরাং যতক্ষণ পর্যাপ্ত মুহুর্ত উপস্থিত থাকে ততক্ষণ সাধারণ স্কিউনেস পরিমাপ 0 হবে (আসলে সমস্ত স্বাভাবিক ব্যবস্থা হবে) measures কুর্তোসিসের জন্য, কাছাকাছি অঞ্চল থেকে চতুর্থ মুহুর্তের অবদান কুর্তোসিসকে আরও ছোট করে তুলবে, তবে লেজ তুলনামূলক ভারী, যা এটি আরও বড় করে তুলবে। আপনি যদি ঠিক ঠিক চয়ন করেন তবে কুর্তোসিসটি সাধারণ হিসাবে একই মান নিয়ে আসে।
আপনার নমুনা স্কিউনেস আসলে -0.5 এর কাছাকাছি, যা হালকা বাম-স্নিগ্ধতার পরামর্শ দেয়। আপনার হিস্টগ্রাম এবং কিউকিউ প্লট উভয়ই একই নির্দেশ করে - একটি হালকা বাম-স্কু বিতরণ। (বেশিরভাগ সাধারণ সাধারণ-তত্ত্বের পদ্ধতির ক্ষেত্রে এ জাতীয় হালকা স্কিউনেস কোনও সমস্যা হওয়ার সম্ভাবনা নেই))
আপনি অ-স্বাভাবিকতার বিভিন্ন সূচকটি দেখছেন যা কোনও পূর্বের সাথে সম্মত হওয়ার আশা করা উচিত নয় , যেহেতু তারা বিতরণের বিভিন্ন দিক বিবেচনা করে; ছোট ছোট হালকা অ-সাধারণ নমুনাগুলি সহ, তারা প্রায়শই একমত হন না।
এখন বড় প্রশ্নের জন্য: * আপনি কেন স্বাভাবিকতার জন্য পরীক্ষা করছেন? *
[মন্তব্যগুলির প্রতিক্রিয়াতে সম্পাদিত:]
আমি সত্যিই নিশ্চিত নই, আনোভা করার আগে আমার অবশ্য করা উচিত
এখানে বেশ কয়েকটি পয়েন্ট তৈরি করতে হবে।
আমি। সাধারণতা আনোভা একটি ধারণা, যদি আপনি এটি অনুমানের জন্য ব্যবহার করে থাকেন (যেমন অনুমানের পরীক্ষার মতো) তবে এটি বৃহত্তর নমুনাগুলিতে অ-স্বাভাবিকতার পক্ষে বিশেষভাবে সংবেদনশীল নয় - হালকা অ-স্বাভাবিকতা খুব কমই হয় এবং নমুনার আকারের ফলে বিতরণ বাড়তে পারে আরও অ-সাধারণ হয়ে উঠুন এবং পরীক্ষাটি সামান্য প্রভাবিত হতে পারে।
আ। আপনি প্রতিক্রিয়ার (ডিভি) স্বাভাবিকতা পরীক্ষা করছেন বলে মনে হচ্ছে। ডিভির নিজেই (নিঃশর্ত) বিতরণ আনোভাতে স্বাভাবিক বলে ধরে নেওয়া হয় না। শর্তসাপেক্ষ বিতরণ সম্পর্কে ধারণা (যেমন, এটি মডেল হিসাবে সাধারণ হিসাবে ধরে নেওয়া হয়েছে এর ত্রুটি শব্দটি) - এর সঠিক ধারণা যাচাইয়ের জন্য আপনি অবশিষ্টাংশগুলি পরীক্ষা করে দেখুন - যাতে আপনি সঠিক জিনিসটি দেখছেন বলে মনে হয় না। প্রকৃতপক্ষে, চেকটি অবশিষ্টাংশগুলিতে করা হয়ে থাকে, আপনি এটি আগের চেয়ে মডেল ফিটিংয়ের পরে করেন।
III। সাধারণ টেস্টিং অকেজো পাশে থাকতে পারে। এখানে আগ্রহের প্রশ্নটি হ'ল 'অনুপস্থিতির ডিগ্রিটি আমার অনুক্রমকে কতটা খারাপভাবে প্রভাবিত করে?', যা অনুমানের পরীক্ষাটি সত্যই সাড়া দেয় না। নমুনার আকারটি বড় হওয়ার সাথে সাথে পরীক্ষাটি স্বাভাবিকতা থেকে তুচ্ছ পার্থক্য সনাক্ত করতে আরও বেশি সক্ষম হয়, যখন আনোভাতে তাত্পর্যপূর্ণ স্তরের প্রভাব আরও ছোট এবং ছোট হয়ে যায়। এটি হ'ল, যদি আপনার নমুনার আকারটি যুক্তিসঙ্গতভাবে বড় হয় তবে স্বাভাবিকতার পরীক্ষাটি আপনাকে বেশিরভাগই বলে দেয় যে আপনার কাছে একটি বড় নমুনা আকার রয়েছে, যার অর্থ আপনার চিন্তার খুব বেশি দরকার নেই। কমপক্ষে কিউকিউ প্লটের সাহায্যে আপনার কাছে এটি কতটা স্বাভাবিক নয় তার চাক্ষুষ মূল্যায়ন রয়েছে ।
ঈ। যুক্তিসঙ্গত নমুনার আকারে, অন্যান্য অনুমান যেমন - বৈকল্পিকতা এবং স্বাধীনতার সমতা - সাধারণত হালকা অ-স্বাভাবিকতার চেয়ে অনেক বেশি গুরুত্বপূর্ণ more প্রথমে অন্যান্য অনুমান সম্পর্কে চিন্তিত ... তবে আবার, আনুষ্ঠানিক পরীক্ষা করা সঠিক প্রশ্নের উত্তর দিচ্ছে না
ভি। আপনি একটি আনোভা বা অনুমানের পরীক্ষার ফলাফলের উপর ভিত্তি করে অন্য কোনও পরীক্ষা করেন কিনা তা বেছে নেওয়া কেবল অনুধাবনকে ধরে রাখে না এমনভাবে কাজ করার সিদ্ধান্ত নেওয়ার চেয়ে আরও খারাপ সম্পত্তি রয়েছে বলে মনে করে। (এমন বিভিন্ন পদ্ধতি রয়েছে যা উপাত্তের একমুখী আনোভা-জাতীয় বিশ্লেষণের জন্য উপযুক্ত যা সাধারণ হিসাবে ধরে নেওয়া হয় না যে আপনি যখনই স্বাভাবিকতা অনুমান করার কারণ মনে করেন না তখন আপনি ব্যবহার করতে পারেন Some কারওর মধ্যে খুব ভাল ক্ষমতা রয়েছে সাধারণভাবে এবং ভদ্র সফ্টওয়্যার সহ এগুলি এড়াতে কোনও কারণ নেই))
[আমি বিশ্বাস করি আমার এই শেষ পয়েন্টটির জন্য একটি রেফারেন্স ছিল তবে আমি এখনই এটি সনাক্ত করতে পারি না; যদি আমি এটি খুঁজে পাই তবে আমি ফিরে এসে চেষ্টা করব]
