উত্তর:
বেশ কয়েকটি আছে। আপনি এই লিঙ্কে কাগজের একটি অরূদ্ধ সংস্করণে (এই উত্তরের নীচে সঠিক রেফারেন্স) একটি বিস্তৃত তুলনা পাবেন ।
সমস্যার সীমাবদ্ধতার কারণে, এই অ্যালগোরিদমগুলির সবচেয়ে শক্তিশালী (এল / আরএমসি) ভাঙ্গন সর্বাধিক 12.5%। এল / আরএমসির একটি সুবিধা হ'ল এটি কোয়ান্টাইলের উপর ভিত্তি করে অন্তর্নিহিত বিতরণটির কোনও মুহুর্ত না থাকলেও তা ব্যাখ্যার থেকে যায়। আরেকটি সুবিধা হ'ল এটি লেজের ওজন পরিমাপ করার জন্য তথ্যের অনিয়ন্ত্রিত অংশের বিতরণের প্রতিসাম্যতা গ্রহণ করে না: বাস্তবে, অ্যালগরিদম দুটি সংখ্যা দেয়: ডান লেজের ওজনের জন্য আরএমসি এবং বাম লেজের ওজনের জন্য এলএমসি।
একটি অনুমানকারকের দৃust়তা তার ব্রেকডাউন পয়েন্ট দ্বারা পরিমাপ করা যেতে পারে। যাইহোক, ব্রেকডাউন পয়েন্টের ধারণা এই প্রসঙ্গে একটি জটিল। স্বতঃস্ফূর্তভাবে এর অর্থ হল যে কোনও বিপক্ষকে আপনার অনুমানের কমপক্ষে 12.5% নিয়ন্ত্রণ করতে হবে এই অনুমানকারীকে স্বেচ্ছাচারিত মানগুলি গ্রহণ করতে (যেটি অনুমানকারী যে মানগুলির পরিমাপের মধ্যে ফিরিয়ে আনতে পারে তার মধ্যে একটি স্বেচ্ছা মান হিসাবে বোঝা যায়, পরিমাপের পরে লেজের ওজন সর্বদা নির্মাণে থাকে: কোনও পরিমাণ উদাহরণস্বরূপ অ্যালগোরিদমকে ফিরিয়ে আনতে পারে না -১!)। অনুশীলনে, একজন আবিষ্কার করেছেন যে অনুমানের সবচেয়ে বেশি ক্ষতিগ্রস্থ হওয়া ছাড়াই প্রায় 5% নমুনা এমনকি খুব রোগতাত্ত্বিক বহিরাগতদের সাথে প্রতিস্থাপন করতে পারে (সেখানে দুটি রয়েছে) অনিয়ন্ত্রিত নমুনায় যে মূল্য ছিল তার থেকে খুব বেশি দূরে চলে যেতে পারে।
এল / আরএমসি এছাড়াও ব্যাপকভাবে প্রয়োগ করা হয়। উদাহরণস্বরূপ আপনি এখানে একটি আর বাস্তবায়ন পেতে পারেন । উপরের লিঙ্কে নিবন্ধে বর্ণিত হিসাবে, এল / আরএমসিকে গণনা করতে আপনার এমসি (লিঙ্কটিতে প্রয়োগ করা অনুমানকারী) আলাদা করে আপনার বাম এবং ডান অর্ধেকের ডেটা গণনা করতে হবে। এখানে, (বাম) ডান অর্ধেকটি আপনার মূল নমুনার মধ্যকের তুলনায় পর্যবেক্ষণের (ছোট) বৃহত্তর উপ-নমুনাগুলি।