বায়সিয়ান পরিসংখ্যান কেন পরিসংখ্যান প্রক্রিয়া নিয়ন্ত্রণের জন্য বেশি জনপ্রিয় নয়?


18

বেয়েশিয়ান বনাম ঘন ঘন বিতর্ক সম্পর্কে আমার বোঝা হ'ল ঘনতান্ত্রিক পরিসংখ্যান:

  • (বা দাবি হিসাবে) উদ্দেশ্য হয়
  • বা কমপক্ষে পক্ষপাতহীন
  • সুতরাং বিভিন্ন গবেষক, বিভিন্ন অনুমান ব্যবহার করে এখনও পরিমাণগত তুলনামূলক ফলাফল পেতে পারেন

বায়সিয়ান পরিসংখ্যানের সময়

  • "আরও ভাল" পূর্বাভাস (যেমন কম প্রত্যাশিত ক্ষতি) করার দাবি করেছে, কারণ এটি পূর্ববর্তী জ্ঞান (অন্যান্য কারণগুলির মধ্যে) ব্যবহার করতে পারে
  • কম "অ্যাডহক" পছন্দগুলির প্রয়োজন, পূর্বের / মডেল পছন্দগুলির দ্বারা প্রতিস্থাপন (অন্তত নীতিগতভাবে) আসল-বিশ্ব ব্যাখ্যার রয়েছে।

এটি দেওয়া, আমি প্রত্যাশা করতাম যে এসপিসিতে বায়িশিয়ান পরিসংখ্যানগুলি খুব জনপ্রিয় হবে: আমি যদি কোনও কারখানার মালিক আমার প্রক্রিয়াটির মান নিয়ন্ত্রণের চেষ্টা করতাম তবে আমি প্রাথমিকভাবে প্রত্যাশিত ক্ষতির বিষয়ে যত্নশীল; যদি আমি এটি হ্রাস করতে পারি, কারণ আমার প্রতিযোগীদের চেয়ে আমার আরও / আরও ভাল পূর্বের জ্ঞান রয়েছে, আরও ভাল।

তবে এসপিসি সম্পর্কে আমি যা কিছু পড়েছি তা দৃly়ভাবে বারবারবাদী বলে মনে হয় (যেমন কোনও পূর্ব বিতরণ নয়, সমস্ত পরামিতিগুলির বিন্দু অনুমান, নমুনার আকার, পি-মান ইত্যাদি সম্পর্কে অনেকগুলি অ্যাড-হক পছন্দ))

তা কেন? আমি দেখতে পাচ্ছি যে 1960 এর দশকে এসপিসি যখন কলম এবং কাগজ ব্যবহার করে কাজ করছিল তখন কেন ঘনত্ববাদী পরিসংখ্যানগুলি আরও ভাল পছন্দ ছিল। তবে কেন তখন থেকে কেউ বিভিন্ন পদ্ধতি ব্যবহার করে দেখেনি?


2
আমি মনে করি বায়েশিয়ান পরিসংখ্যানগুলি আমার ডিজিটাল এসএলপি ক্যামেরা হিসাবে আইফোনের ক্যামেরা হিসাবে ঘন ঘন। আমি উভয়ই মাঝে মাঝে কিনেছি তবে আমি ডিএসএলআর কম 5% ফটো ব্যবহার করি যখন ফোন বাকী 95% থাকে। কারণ এটি সহজ, সহজ এবং পকেটে রয়েছে এবং মান হিসাবে অনেক সময় সরবরাহ করে (আমার ডিএসএলআর দক্ষতা ভিত্তিক)। হাইয়েজে প্রিয়ারদের এবং চলমান চেইনগুলিকে একত্রে যুক্ত করার মতোই অ্যাপারচার খোলার সময়কাল, দৈর্ঘ্য এবং অন্যান্য পরামিতিগুলির সর্বোত্তম ভারসাম্য খুঁজে নেওয়া দরকার। জনপ্রিয় আইফোন শেষ।
রাম শর্মা

@ রামশর্মা আপনার উত্তর হিসাবে পোস্ট করা উচিত! আমি আমার শেফ ছুরি উপমা চেয়ে ভাল এটি পছন্দ।
শ্যাডট্যালকার

উত্তর:


18

সতর্কতা আমি এই উত্তরটি অনেক আগে লিখেছিলাম আমি কী সম্পর্কে বলছিলাম তা খুব কম ধারণা দিয়ে। আমি এটি মুছে ফেলতে পারি না কারণ এটি গৃহীত হয়েছে তবে আমি বেশিরভাগ সামগ্রীর পিছনে দাঁড়াতে পারি না।


এটি একটি দীর্ঘ উত্তর এবং আমি আশা করি এটি কোনও উপায়ে সহায়ক হবে। এসপিসি আমার অঞ্চল নয়, তবে আমি মনে করি যে এই মন্তব্যগুলি যথেষ্ট সাধারণ যে তারা এখানে প্রয়োগ করে।

আমি যুক্তি দিয়েছি যে সর্বাধিক উল্লেখযোগ্য সুবিধা - পূর্বের বিশ্বাসগুলি অন্তর্ভুক্ত করার ক্ষমতা - এটি একটি দুর্বল সুবিধা যা প্রয়োগ / অভিজ্ঞতা সম্পন্ন ক্ষেত্র। এর কারণ আপনাকে আপনার পূর্বের পরিমাণকে প্রমাণ করতে হবে । এমনকি যদি আমি "ভাল, লেভেল জেড অবশ্যই অবর্ণনীয়," বলতে পারি তবে আমার জীবনের জন্য আমি জেদের নীচে কী ঘটতে হবে তা বলতে পারি না। যদি না লেখকরা তাদের কাঁচা ডেটা দ্রবগুলিতে প্রকাশ করা শুরু না করেন, প্রিরিয়রদের জন্য আমার সেরা অনুমানগুলি পূর্ববর্তী কাজ থেকে নেওয়া শর্তসাপেক্ষ মুহুর্ত যা আপনার মুখোমুখি সংস্থাগুলির সাথে একইরকম পরিস্থিতিতে আবদ্ধ বা নাও থাকতে পারে।

মূলত, যখন আপনার দৃ ass় ধারণা / ধারণা / মডেল থাকে এবং এটি ডেটাতে নিয়ে যেতে চান তখন বায়েশিয়ান কৌশলগুলি (কমপক্ষে একটি ধারণাগত স্তরে) সর্বোত্তম then তবে প্রায়শই আপনি আপনার ব্যবসায়ের প্রক্রিয়ার জন্য একটি নির্দিষ্ট মডেল সম্পর্কে সঠিক কিনা তা দেখার সন্ধান করছেন না; সম্ভাবনা বেশি আপনি কোনমডেল এবং আপনার প্রক্রিয়াটি কী হতে চলেছে তা দেখার জন্য রয়েছে। আপনি আপনার সিদ্ধান্তগুলি চারপাশে ঠেলে দিতে চান না, আপনি চান যে আপনার ডেটা আপনার সিদ্ধান্তে ঠেকাতে। আপনার যদি পর্যাপ্ত ডেটা থাকে, তবে যাইহোক এটি ঘটবে তবে সেই ক্ষেত্রে কেন পূর্বের সাথে বিরক্ত করবেন? সম্ভবত এটি অত্যধিক সংশয়ী এবং ঝুঁকি-বিপর্যয়যুক্ত, তবে আমি কখনও আশাবাদী ব্যবসায়ী সম্পর্কে শুনিনি যা সফলও হয়েছিল। আপনার নিজের বিশ্বাস সম্পর্কে আপনার অনিশ্চয়তা প্রশমিত করার কোনও উপায় নেই এবং আপনি ভুল বিষয়ে অতিরিক্ত আত্মবিশ্বাসী হওয়ার ঝুঁকিটি চালাবেন না । সুতরাং আপনি একটি অপ্রত্যাশিত পূর্ব সেট এবং সুবিধা অদৃশ্য।

এটি এসপিসির ক্ষেত্রে আকর্ষণীয় কারণ ডিজিটাল বিপণনের বিপরীতে, আপনার ব্যবসায়িক প্রক্রিয়াগুলি চিরকাল অপ্রত্যাশিত অবস্থায় থাকে না । আমার ধারণাটি হ'ল ব্যবসায়ের প্রক্রিয়াগুলি ইচ্ছাকৃতভাবে এবং ক্রমবর্ধমানভাবে পরিবর্তিত হয়। এটি হ'ল, আপনার ভাল, নিরাপদ প্রবীণ গড়ে তোলার জন্য দীর্ঘ সময় রয়েছে। তবে স্মরণ করুন যে প্রিয়াররা সবাই অনিশ্চয়তার প্রচার সম্পর্কে। সাবজেক্টিভিটি একদিকে রেখে, বয়েসীয় ধর্মবাদের সুবিধা রয়েছে যে এটি গভীরভাবে-নেস্টেড ডেটা উত্পাদন প্রক্রিয়া জুড়ে অনিশ্চয়তার উদ্দেশ্যমূলকভাবে প্রচার করে। অর্থাৎ আমাকে হল সত্যিই কি Bayesian পরিসংখ্যান জন্য ভাল। এবং যদি আপনি 1-ইন-20 "তাত্পর্য" কাট অফের বাইরেও আপনার প্রক্রিয়াটির নির্ভরযোগ্যতার সন্ধান করেন তবে মনে হয় আপনি যতটা সম্ভব অনিশ্চয়তার জন্য অ্যাকাউন্ট করতে চান।

তাহলে বায়েশিয়ান মডেলগুলি কোথায়? প্রথমত, তারা কার্যকর করা কঠিন। কথায় কথায় বলতে গেলে, আমি 15 মিনিটের মধ্যে একজন মেকানিকাল ইঞ্জিনিয়ারকে ওএলএস শিখিয়ে দিতে পারি এবং তাকে মতলব-তে আরও 5 তে রেজ্রেশন এবং টি-টেস্ট করিয়ে দিতে পারি Bay এবং তারপরে দেখুন যে কোনও ভাষায় এর জন্য একটি তৈরি গ্রন্থাগার রয়েছে তা আমার সংস্থার কেউ জানেন। যদি তা না হয় তবে আমাকে বিজিজি বা স্ট্যান ব্যবহার করতে হবে। এবং তারপরে আমাকে আরও একটি প্রাথমিক উত্তর পেতে সিমুলেশনগুলি চালাতে হবে এবং এটি 8-কোর আই 7 মেশিনে প্রায় 15 মিনিট সময় নেয়। দ্রুত প্রোটোটাইপিংয়ের জন্য অনেক কিছু। এবং দ্বিতীয়বার, যখন আপনি উত্তর পেয়েছেন, আপনি ক্লাস্টার স্ট্যান্ডার্ড ত্রুটিযুক্ত ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘনবাদী প্রতিক্রিয়ার সাথে একই ফলাফল পেতে কেবল দুটি ঘন্টা কোডিং এবং অপেক্ষায় কাটিয়েছেন। হয়তো এটি সমস্ত অহঙ্কারী এবং ভুল মাথাছাড়া এবং আমি এসপিসি মোটেই বুঝতে পারি না।

আমি বায়েশিয়ানিজমকে খুব উচ্চমানের শেফ ছুরি, স্টকপট এবং স্যুট প্যানের সাথে তুলনা করি ; ঘন ঘন वाद হ'ল আসন-অন-টিভি সরঞ্জাম যেমন কলা স্লাইসার এবং পাস্তা পাত্রের মতো সহজে iningালাইয়ের জন্য idাকনাতে গর্তযুক্ত রান্নাঘরের মতো । যদি আপনি রান্নাঘরে প্রচুর অভিজ্ঞতার সাথে একটি অনুশীলনযোগ্য রান্নাঘর হন - প্রকৃতপক্ষে, আপনার নিজস্ব জ্ঞানসম্পন্ন জ্ঞান, যা পরিষ্কার এবং সুসংহত এবং আপনি জানেন যে কোথায় অবস্থিত - আপনি আপনার ছোট নির্বাচন দিয়ে আশ্চর্যজনক কাজ করতে পারেন মার্জিত, উচ্চ মানের সরঞ্জাম। অথবা, আপনি বিভিন্ন সামান্য অ্যাডহক * সরঞ্জামের একটি গুচ্ছ ব্যবহার করতে পারেন, যা সাধারণভাবে খাওয়া সহজ, অর্ধেক খারাপ নয় এমন খাবার তৈরির জন্য ব্যবহারের জন্য শূন্য দক্ষতার প্রয়োজন এবং এতে দুটি মৌলিক স্বাদ পাওয়া যায় যা পয়েন্টটি জুড়ে পায়। আপনি ডেটা মাইন থেকে সবেমাত্র বাড়ি পেয়েছেন এবং ফলাফলের জন্য আপনি ক্ষুধার্ত; তুমি কোন রান্না?

* বয়েস ঠিক ততটাই অ্যাড-হক, তবে স্বচ্ছতার চেয়ে কম । আপনার কোক অউ ভিনে কত ওয়াইন যায়? ধারণা নেই, আপনি এটাকে চোখ বোলেন কারণ আপনি একজন প্রো। অথবা, আপনি একটি পিনোট গ্রিগিও এবং একটি পিনোট নয়ারের মধ্যে পার্থক্য বলতে পারবেন না তবে এপিকিউরিয়াসের প্রথম রেসিপিটি বলেছিল যে আপনি 2 কাপ লাল ব্যবহার করতে পারেন তাই আপনি যা করতে যাচ্ছেন। কোনটি "অ্যাড-হক"?


1
+1, দুর্দান্ত উত্তর। আমি কৌতূহলী: আপনি কি ছোট / অভিযোজিত নমুনা আকার সম্পর্কে একটি অনুচ্ছেদ যুক্ত করতে পারেন? এসপিসিতে, 3-5 আকারের স্যাম্পলগুলি সাধারণ বলে মনে হয়। এবং এসপিসি সফ্টওয়্যার যদি 2 টি স্যাম্পল পরে প্রযুক্তিবিদকে বলতে পারে যে এর আরও 3 টি নমুনার দরকার আছে কিনা, এটি দুর্দান্ত বৈশিষ্ট্য হবে। বায়সিয়ান মডেলের সাথে, এটি প্রায় কোনও মস্তিষ্কের: পরিমাপের জন্য ব্যয় নির্ধারণ করুন, মিথ্যা ধনাত্মক এবং-নেতিবাচক, তারপরে আরও একটি পরিমাপ বনাম থামানোর প্রত্যাশিত ব্যয়টি অনুমান করুন।
ঘনঘনবাদী

1
নমুনার আকার হিসাবে, সমস্যাটি এবং আমি এটি উল্লেখ করতে পারতাম যদি আমি জানতাম যে নমুনাগুলিগুলি খুব কম ছিল তবে তা হ'ল খুব কম পর্যবেক্ষণের সাথে আপনার অনুমানগুলি আপনার পূর্বের পছন্দটি সম্পর্কে খুব সংবেদনশীল হবে । আপনি একটি পাথর থেকে রক্ত ​​পেতে পারেন না, সুতরাং এটি একটি বাণিজ্য বন্ধ: হয় আপনি ঘন ঘন ঘন ঘন ধনতাত্ত্বিকের সাথে মোটামুটি উপকার করে থাকেন তবে কয়েকটি অনুমান দিয়ে তা করেন বা আপনার নিজের জ্ঞানকে (বা এর অভাব) যথেষ্ট পরিমাণে অস্পষ্ট করে তোলেন এবং মূলত ডেটা আপনি আপনার সামনে আছে উভয় মাপসই এবং "তথ্য" আপনার মাথায় আছে। আপনার মাথায় আগে ইউনিফর্ম থাকার অনুমতি রয়েছে।
শ্যাডট্যালকার

1
মূলত, বয়েস শুরুতে তার মস্তিষ্কটি ব্যবহার করার জন্য বিশ্লেষকের উপর আরও বেশি বোঝা চাপান। আমি ব্যক্তিগতভাবে মনে করি প্রিয়ার স্থাপনের ধারণার বিরুদ্ধ হওয়া এই লক্ষণ যা আপনি হয় ক) খুব অলস, বা খ) পরিসংখ্যান কীভাবে কাজ করে তা সত্যই বুঝতে পারি না (এটি একজনকে জানার দরকার হয় ইত্যাদি)। আমি বলেছিলাম আমার উত্তরে প্রিরিয়ারদের পরিমাণ নির্ধারণ করা কঠিন; আমি বাস্তবে এর সাথে একমত হই না। একটি জিনিস যা আপনি সর্বদা করতে পারেন তা হ'ল কোনও পৃষ্ঠায় বেল বাঁকানো এবং নিজেকে জিজ্ঞাসা করুন "আমি কি আমার ডেটাটি দেখতে এমনটি আশা করব?" যদি তা না হয় তবে বক্ররেখার টুইট শুরু করুন। এবং যদি আপনি মোডটি কোথায় আটকাবেন তা স্থির করতে না পারলে হাইপারপ্রিয়ার ব্যবহার করুন।
শ্যাডট্যালকার

2
একটি প্রশ্ন (ব্র্যাটি হওয়া বোঝানো নয়): আপনি কি জানেন যে পূর্ববর্তী বিশ্বাসগুলি চাওয়ার বিষয়ে (পরিমাণগতভাবে) একটি সাহিত্য আছে, তাই না? প্রকাশিত বিশ্বাস, সাক্ষাত্কার দেওয়া বিশেষজ্ঞ এবং অ-বিশেষজ্ঞ বিশ্বাস এবং স্ব-বিশ্বাস সহ। আমার জিজ্ঞাসার কারণটি হ'ল আমি এই অভিযোগটি এর আগে শুনেছি, তবে এই জাতীয় অভিযোগের লেখকরা মনে করেছিলেন যে তদন্ত শুরু করার পরিবর্তে তাদের আপত্তি আলোচনার সমাপ্তি।
অ্যালেক্সিস

1
@ ক্লিফাব ইন্টারেস্টিং… আমি সেই সাহিত্য গভীরভাবে পড়িনি (বার্নার্ডো, কাস, গারথওয়েট ... বেশ কয়েক দশক আগে) ... তবে এটি আপনার কাছে মূল্যবান বিজ্ঞান: বিভিন্ন পূর্ববর্তী বিশ্বাস জানায় যে কেউ ঘন ঘনবাদী বা বায়েশিয়ান পদ্ধতি পছন্দ করে কিনা। ;)
অ্যালেক্সিস

5

আমার বিনীত মতে, বয়েসীয় পরিসংখ্যানগুলি এমন কিছু অসুবিধা ভোগ করেছে যা এর ব্যাপক ব্যবহারের সাথে বিরোধী (এসপিসিতে তবে অন্যান্য গবেষণা খাতেও):

  1. বনাম এর ঘন ঘনবাদী সমকক্ষ (অনুমানের উপর শ্রেণীর বিস্তৃত অংশগুলি ঘন ঘনবাদী পদ্ধতির অবলম্বন করে। অনুমান করা আরও কঠিন) বাইয়েশিয়ার পরিসংখ্যানের সীমিত জনপ্রিয়তার কারণ বা এর প্রভাব কিনা তা অনুসন্ধান করা আকর্ষণীয় হবে )।

  2. খুব সহজেই বায়েশিয়ান পরিসংখ্যানগুলি একই সমস্যার মোকাবিলার বিভিন্ন উপায় সম্পর্কে পছন্দগুলি চাপিয়ে দেয় (উদাহরণস্বরূপ, যা আগে সবচেয়ে ভাল?), কেবল ক্লিক-ও-দেখুন না (যাইহোক, এই পদ্ধতিকে ঘন ঘনবাদী কাঠামোর অধীনে উত্সাহ দেওয়া উচিত নয়)।

  3. বায়েশিয়ান পরিসংখ্যানগুলিতে এমন কিছু বিষয় রয়েছে যা খুব অভিজ্ঞ পরিসংখ্যানবিদদের (যেমন, অনুচিত প্রিয়ার ) তুলনায় কম পরিচালনা করা কঠিন ;

  4. এটি সংবেদনশীলতা বিশ্লেষণ (সাধারণত ঘনঘনবাদী কাঠামোর অধীনে এড়ানো হয়), এবং কিছু বিষয়ের জন্য ব্যতিক্রম যেমন ডেটা বিশ্লেষণ অনুপস্থিত প্রয়োজন।

  5. গণনার জন্য এটিতে কেবল একটি (প্রশংসাসূচক, বিনামূল্যে ডাউনলোডযোগ্য) সফ্টওয়্যার রয়েছে।

  6. এটা তোলে বেশি সময় লাগে frequentist সরঞ্জামগুলির সাথে তুলনায় Bayesian সঙ্গে একটি স্বশাসিত গবেষক যাবে।


6
উত্তম উত্তর তবে আমি পঞ্চম পয়েন্টের সাথে একমত নই: আমি বায়েসীয় বিশ্লেষণের জন্য অনেকগুলি পৃথক (ফ্রি) সফ্টওয়্যার সম্পর্কে ভাবতে পারি: উইনবইউজিএস, ওপেনবগস, জএজিএস, স্ট্যান, পিএমসি ... এবং আমি নিশ্চিত যে আরও কিছু আছে। আমি যা বলব তা হল এই সমস্ত সফ্টওয়্যারটির একটি খাড়া লার্নিং বক্ররেখা এবং এর জন্য একটি শালীন পরিমাণের প্রোগ্রামিং এবং পরিসংখ্যানগত জ্ঞান প্রয়োজন।
COOLSerdash

COOLSerdash সঠিক এবং আমি উভয় স্পষ্টতা এবং মন্তব্য স্বাগত জানাই। বয়েসীয় বিশ্লেষণ সফ্টওয়্যার তালিকাভুক্তকরণে আমার সামগ্রিকতার অভাব সম্ভবত কেবল উইনবাগের সাথে আমার (আলগা) পরিচিতি দ্বারা চালিত হয়েছিল।
কার্লো লাজারো

@ কার্লো লাজারো আমি # 5 সম্পর্কে সিওলসারদাশের বক্তব্যের সাথে একমত, এছাড়াও: সংস্করণ 14 হিসাবে, ব্যক্তিগত লাইসেন্সযুক্ত এখনও মূলধারার পরিসংখ্যান প্যাকেজ স্টাটা এখন বেইশিয়ার মডেল এবং ভ্যানিলা প্যাকেজে অনুমান অন্তর্ভুক্ত করেছে। আমি মনে করি বায়েশীয় গণনার প্রাপ্যতা কেবলমাত্র বৃদ্ধি পাবে। তবে আপনার অন্যান্য বিষয়গুলি গুরুত্বপূর্ণ, এবং বায়েশিয়ান প্রবক্তাদের এজেন্ডা জানাতে সহায়তা করা উচিত।
অ্যালেক্সিস

@ অ্যালেক্সিস: একজন স্টাটা ব্যবহারকারী হওয়ায় আমি এর সাম্প্রতিক বায়েশিয়ান স্বাদে খুশি। আরও সাধারণ চিন্তাভাবনা হিসাবে, আমি বিশ্ববিদ্যালয়ের স্ট্যাটিস্টিকাল ক্লাস চলাকালীন ঘন ঘন এবং বায়েশিয়ান উভয় পদ্ধতির শেখার প্রতিশ্রুতি দেই (সম্ভবত সম্ভাবনাবিদরা বিড়ম্বনা শুরু করে !!)।
কার্লো লাজারো

3

একটি কারণ হ'ল বাইশিয়ান পরিসংখ্যান ১৯৯০ সালের দিকে মূলধারার বাইরে জমে ছিল I এটি আকর্ষণীয় সমস্যাগুলির বেশিরভাগ ইন্টারেক্টেবল ছিল এমনটি সহায়তা করে নি। ফলস্বরূপ, আজ প্রায় সবাই যারা পরিসংখ্যান শেখাচ্ছেন (এবং জার্নালগুলির জন্য নিবন্ধগুলি পর্যালোচনা করছেন, এবং পাঠ্যক্রম ডিজাইন করছেন) বারবারবাদী হিসাবে প্রশিক্ষিত হয়। মার্কোভ চেইন মন্টি কার্লো (এমসিএমসি) পদ্ধতিগুলির জনপ্রিয়করণের সাথে 1990 সালের দিকে জিনিসগুলি পরিবর্তিত হতে শুরু করে যা ধীরে ধীরে এসএএস এবং স্টাটার মতো প্যাকেজগুলিতে তাদের পথ সন্ধান করছে। ব্যক্তিগতভাবে আমি মনে করি 10 বছরের মধ্যে তারা আরও সাধারণ হবে যদিও বিশেষায়িত অ্যাপ্লিকেশনগুলিতে (এসপিসি) তাদের খুব বেশি সুবিধা নাও থাকতে পারে।

একটি গ্রুপ যা বেয়েসিয়ান বিশ্লেষণকে আরও ব্যাপকভাবে উপলভ্য করে তুলেছে তা হ'ল গ্রুপটি স্ট্যান প্যাকেজ (এমসি-ইস্টোন.আর.অর্গ) বিকাশ করছে।


আমাদের সাইটে আপনাকে স্বাগতম! কেবলমাত্র একটি নোট যে এটি "স্টাটা" এর চেয়ে "স্টাটা" - আমি নিজে যখন মূলধনটি তৈরি করেছি তখন আমি স্টাটা ব্যবহারকারীদের ভুল প্রান্তে ছিলাম! (আমি ভেবেছিলাম এটি এসএএস, এসপিএস ইত্যাদির মতো, তবে দৃশ্যত তা নয় ...)
সিলভারফিশ
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.