আমি যা দেখলাম তা দেখার সাথে সাথেই আমাকে বর্ণনা করুন:
যদি আমরা এর শর্তসাপেক্ষ বিতরণে আগ্রহী (যা প্রায়শই যদি আমরা আগ্রহ দেখি যেখানে আমরা হিসাবে IV এবং কে ডিভি হিসাবে দেখি ), তবে এর জন্য শর্তাধীন বিতরণ একটি উপরের গ্রুপের সাথে বিমোডাল প্রদর্শিত হবে ( প্রায় 70 এবং 125 এর মধ্যে, যার অর্থ 100 এর নিচে কিছুটা কম) এবং একটি নিম্ন গ্রুপ (0 এবং প্রায় 70 এর মধ্যে, যার গড় 30 বা তার বেশি)। প্রতিটি মডেল গ্রুপের মধ্যে, সাথে সম্পর্ক প্রায় সমতল। (নীচে লাল এবং নীল রেখাগুলি প্রায় আঁকুন দেখুন যেখানে আমি অনুমান করি যে অবস্থানের কিছুটা সংক্ষিপ্ত ধারণা)yxyx≤0.5Y|xx
তারপরে তে এই দুটি গোষ্ঠী কম-বেশি ঘন কোথায় তা দেখে আমরা আরও বলতে পারি:X
জন্য উপরের গ্রুপ সম্পূর্ণরূপে যার ফলে সামগ্রিক গড় disappears, পড়ে এবং 0.2 সম্পর্কে নিচে, নিম্ন গ্রুপ অনেক কম উপরে চেয়ে ঘন হয়, সামগ্রিক গড় উচ্চতর করে।x>0.5x
এই দুটি প্রভাবের মধ্যে, এটি উভয়ের মধ্যে একটি আপাত নেতিবাচক (তবে ননলাইনার) সম্পর্ককে প্ররোচিত করে, যেহেতু বিপরীতে হ্রাস তবে কেন্দ্রের বিস্তৃত, বেশিরভাগ সমতল অঞ্চল নিয়ে। (বেগুনি রঙের ড্যাশযুক্ত রেখা দেখুন)E(Y|X=x)x
সন্দেহ নেই যে এবং ছিল তা জেনে রাখা গুরুত্বপূর্ণ , কারণ তখন এটি আরও স্পষ্ট হয়ে উঠতে পারে যে জন্য শর্তসাপেক্ষ বিতরণ তার পরিসরের বেশিরভাগ অংশে দ্বিপদী হতে পারে (সত্যই, এটি এমনকি স্পষ্ট হয়ে উঠতে পারে যে সত্যই দুটি গ্রুপ রয়েছে, যার মধ্যে বিতরণ মধ্যে আপাত হ্রাস সম্পর্ক প্ররোচিত ।YXYXY|x
এটি যা আমি খাঁটি "বাই চোখ" তদন্তের ভিত্তিতে দেখেছি। একটি মৌলিক চিত্র ম্যানিপুলেশন প্রোগ্রামের মতো কিছুটা ঘুরে বেড়াতে (যেমনটি আমি রেখাগুলি আঁকলাম তার মতো) আমরা আরও কিছু সঠিক সংখ্যা বের করতে শুরু করতে পারি। আমরা যদি ডেটা ডিজিটাইজ করি (যা শালীন সরঞ্জামগুলির সাথে বেশ সহজ, যদি কখনও কখনও সঠিকভাবে পেতে কিছুটা ক্লান্তিকর হয়) তবে আমরা সেই ধরণের আরও ছাপ সম্পর্কে আরও পরিশীলিত বিশ্লেষণ করতে পারি।
এই জাতীয় অনুসন্ধান বিশ্লেষণ কিছু গুরুত্বপূর্ণ প্রশ্নে ডেকে আনতে পারে (কখনও কখনও এমন ব্যক্তি যা অবাক করে দেয় যে যার কাছে ডেটা রয়েছে তবে তারা কেবল একটি চক্রান্ত দেখিয়েছে), তবে আমাদের মডেলগুলি এই ধরণের পরিদর্শন দ্বারা যে পরিমাণে বাছাই করা হয়েছে সে সম্পর্কে আমাদের কিছুটা যত্ন নিতে হবে - যদি আমরা প্লটের উপস্থিতির ভিত্তিতে নির্বাচিত মডেলগুলি প্রয়োগ করি এবং তারপরে একই তথ্যগুলিতে সেই মডেলগুলি অনুমান করি, আমরা যখন একই উপাত্তে আরও আনুষ্ঠানিক মডেল-নির্বাচন এবং অনুমান ব্যবহার করি তখন আমরা যে একই সমস্যার মুখোমুখি হই। [এটি অনুসন্ধানের বিশ্লেষণের গুরুত্বকে মোটেও অস্বীকার করার মতো নয় - এটি কীভাবে হয় তা বিবেচনা না করেই এটি করার পরিণতি সম্পর্কে আমাদের অবশ্যই সতর্ক হওয়া উচিত । ]
রাশ এর মন্তব্যের প্রতিক্রিয়া:
[পরে সম্পাদনা করুন: স্পষ্ট করার জন্য - আমি সাধারণ সতর্কতা হিসাবে নেওয়া রাশিয়ার সমালোচনাগুলির সাথে আমি বিস্তৃতভাবে একমত হই এবং অবশ্যই সেখানে থাকার চেয়ে আরও কিছু সম্ভাবনা আমি দেখেছি। আমি ফিরে আসার এবং এগুলি সম্পাদন করার পরিকল্পনা করছি, যা আমরা সাধারণত চোখের দ্বারা চিহ্নিত করি এবং উপায়গুলি যেগুলির থেকে খারাপটি এড়াতে শুরু করতে পারি সেগুলি সম্পর্কে আরও বিস্তৃত ভাষ্য হিসাবে। আমি বিশ্বাস করি যে আমি কেন এই নির্দিষ্ট ক্ষেত্রে এটি সম্ভবত উত্সাহী নয় বলে উদাহরণস্বরূপ কিছু যুক্তি যুক্ত করতে সক্ষম হব (উদাহরণস্বরূপ, একটি রেজিস্ট্রগ্রাম বা 0-অর্ডার কার্নেলের মাধ্যমে মসৃণ, যদিও অবশ্যই এর বিরুদ্ধে পরীক্ষা করার জন্য আরও ডেটা অনুপস্থিত রয়েছে) এতদূর যেতে পারে; উদাহরণস্বরূপ, যদি আমাদের নমুনাটি উপস্থাপনযোগ্য না হয়, এমনকি পুনর্নির্মাণটি কেবল আমাদের এ পর্যন্ত পেয়ে যায়]]
আমি সম্পূর্ণরূপে সম্মত হই যে আমাদের মধ্যে উত্সাহী নিদর্শনগুলি দেখার প্রবণতা রয়েছে; এটি আমি এখানে এবং অন্য কোথাও ঘন ঘন একটি বিন্দু।
একটি জিনিস আমি প্রস্তাব দিচ্ছি, উদাহরণস্বরূপ, যখন অবশিষ্ট প্লট বা কিউকিউ প্লটগুলি দেখার সময় পরিস্থিতি জানা যায় এমন অনেক প্লট তৈরি করা হয় (উভয় জিনিস যেমন হওয়া উচিত এবং যেখানে অনুমানগুলি রাখা হয় না) কতটা প্যাটার্ন হওয়া উচিত তা পরিষ্কার ধারণা পেতে উপেক্ষা করেছেন।
প্লটটি কতটা অস্বাভাবিক তা দেখার জন্য আমাদের এখানে 24 জনকে (যা অনুমানগুলি পূরণ করে) এর মধ্যে একটি কিউকিউ প্লট স্থাপন করা হয়েছে তার একটি উদাহরণ রয়েছে। এই জাতীয় অনুশীলনটি গুরুত্বপূর্ণ কারণ এটি আমাদের প্রতিটি ছোট্ট উইগলকে ব্যাখ্যা করে নিজেকে বোকা বানাতে সহায়তা করে, যার বেশিরভাগই সরল শব্দ হবে।
আমি প্রায়শই উল্লেখ করি যে আপনি কয়েকটি পয়েন্ট coveringেকে রেখে যদি কোনও ছাপ পরিবর্তন করতে পারেন তবে আমরা শব্দাবলম্বন ছাড়া আর কিছু দ্বারা প্রকাশিত ছাপের উপর নির্ভর করতে পারি।
[তবে, যখন এটি কয়েকটির চেয়ে অনেকগুলি বিষয় থেকে স্পষ্ট হয়, এটি সেখানে নেই তা বজায় রাখা শক্ত hard]
Whuber এর উত্তরে প্রদর্শন আমার ছাপ সমর্থন করে, গসিয়ান দাগ কাহিনিসূত্রেও bimodality একই প্রবণতা কুড়ান বলে মনে হয় ।Y
যখন আমাদের কাছে যাচাই করার জন্য আরও ডেটা নেই, আমরা কমপক্ষে তা দেখতে পারি যে ইমপ্রেশনটি পুনরায় মডেলিংয়ের মাধ্যমে বাঁচতে পারে (বাইভারিয়েট বন্টন বুটস্ট্র্যাপ করুন এবং এটি প্রায় সর্বদা উপস্থিত রয়েছে কিনা তা দেখুন), বা অন্যান্য ম্যানিপুলেশন যেখানে ছাপটি স্পষ্ট হওয়া উচিত নয় should যদি এটি সহজ শব্দ হয়।
1) এখানে দেখার জন্য একটি উপায় যা আপাত দ্বিখণ্ডিততা কেবল স্কিউনেস প্লাস শোরগোলের চেয়ে বেশি কিনা - এটি কি কার্নেলের ঘনত্বের প্রাক্কলনটিতে প্রদর্শিত হয়? যদি আমরা বিভিন্ন রূপান্তরের অধীনে কার্নেল ঘনত্বের অনুমানের প্লট করি তবে এটি এখনও দৃশ্যমান? এখানে আমি এটি ডিফল্ট ব্যান্ডউইথের 85% এ বৃহত্তর প্রতিসাম্যের দিকে রূপান্তর করি (যেহেতু আমরা তুলনামূলকভাবে ছোট মোডটি সনাক্ত করার চেষ্টা করছি, এবং ডিফল্ট ব্যান্ডউইথটি সেই কাজের জন্য অনুকূল নয়):
প্লটগুলি , এবং । উল্লম্ব লাইনগুলি , এবং । দ্বিগুণতা হ্রাস পেয়েছে, তবে এখনও বেশ দৃশ্যমান। যেহেতু এটি মূল কে-ডি-তে খুব স্পষ্ট বলে মনে হচ্ছে এটি সেখানে রয়েছে - এবং দ্বিতীয় এবং তৃতীয় প্লটগুলি এর রূপান্তরকে কমপক্ষে কিছুটা শক্তিশালী করার পরামর্শ দেয়।YY−−√log(Y)6868−−√log(68)
2) এটি দেখার জন্য আরও একটি মৌলিক উপায় এখানে কেবল "গোলমাল" এর চেয়ে বেশি নয় কি:
পদক্ষেপ 1: Y তে ক্লাস্টারিং করুন
দ্বিতীয় ধাপ: তে দুটি গ্রুপে বিভক্ত করুন এবং দুটি গ্রুপকে আলাদাভাবে ক্লাস্টার করুন এবং দেখুন এটি বেশ একই রকম কিনা। দুটি অংশে যদি কিছু না ঘটে থাকে তবে এতটা ভাগ করে নেওয়া আশা করা উচিত নয়।X
পূর্বের প্লটটিতে বিন্দুগুলির সাথে পয়েন্টগুলি "সমস্ত এক সেট" ক্লাস্টার থেকে আলাদাভাবে ক্লাস্টার করা হয়েছিল। আমি আরও কিছু পরে করব, তবে মনে হচ্ছে সম্ভবত সম্ভবত এই অবস্থানের কাছে একটি অনুভূমিক "বিভাজন" থাকতে পারে।
আমি একটি রেজিস্ট্রোগ্রাম বা নাদারায়া-ওয়াটসন অনুমানকারী চেষ্টা করতে যাচ্ছি (উভয়ই রিগ্রেশন ফাংশনের স্থানীয় অনুমান, )। আমি এখনও তৈরি করি নি তবে তারা কীভাবে চলে যায় আমরা তা দেখতে পাব। আমি সম্ভবত খুব অল্প জায়গায় বাদ দিতে চাই যেখানে খুব কম ডেটা আছে।E(Y|x)
3) সম্পাদনা করুন: 0.1 প্রস্থের বিনয়ের জন্য এখানে রেজিস্ট্রোগ্রামটি দেওয়া হয়েছে (আমি আগেই বলেছি এমন প্রান্তটি বাদে):
এটি সম্পূর্ণরূপে আমার মূল চক্রান্তটির সাথে সামঞ্জস্যপূর্ণ; এটি প্রমাণ করে না যে আমার যুক্তি সঠিক ছিল, তবে আমার সিদ্ধান্তগুলি একই ফলাফলে পৌঁছেছিল যা রেজিস্ট্রোগ্রামে করে।
আমি প্লটে যা দেখেছি - এবং ফলাফলটি যুক্তিগুলি উত্সাহিত হয়েছিল, সম্ভবত আমার বোঝার পক্ষে সফল হওয়া উচিত ছিল না ।E(Y|x)
(পরবর্তী চেষ্টা করার চেষ্টাটি একটি নাদায়রা-ওয়াটসন অনুমানক হবে Then তাহলে আমি দেখতে পাচ্ছি কীভাবে সময় পেলে এটি পুনর্নির্মাণের অধীনে চলে যায়))
4) পরে সম্পাদনা করুন:
নাদেরিয়া-ওয়াটসন, গাউসিয়ান কার্নেল, ব্যান্ডউইথ 0.15:
আবার এটি আমার প্রাথমিক ছাপের সাথে আশ্চর্যজনকভাবে সামঞ্জস্যপূর্ণ। দশটি বুটস্ট্র্যাপের প্রতিকারের ভিত্তিতে এনডাব্লু এর অনুমানকারী এখানে রয়েছে:
বিস্তৃত প্যাটার্নটি রয়েছে, যদিও বেশ কয়েকটি রেজোলিউস পুরো ডেটার উপর ভিত্তি করে বর্ণনাকে পরিষ্কারভাবে অনুসরণ করে না। আমরা দেখতে পাই যে বামের স্তরের ক্ষেত্রে ডানদিকের চেয়ে কম সুনিশ্চিত - শব্দের মাত্রা (কিছুটা পর্যবেক্ষণ থেকে, আংশিকভাবে প্রশস্ত ছড়িয়ে পড়া) এমন যে এমনটি দাবি করা কম সহজ যেটি সত্যিকার অর্থে উচ্চতর কেন্দ্রের চেয়ে বাম
আমার সামগ্রিক ধারণাটি হ'ল আমি সম্ভবত নিজেকে বোকা বানাচ্ছিলাম না, কারণ বিভিন্ন দিক বিভিন্ন ধরণের চ্যালেঞ্জ (স্মুথিং, রূপান্তরকরণ, উপগোষ্ঠীতে বিভক্ত হওয়া, পুনরায় মডেলিং) -এর জন্য পরিমিতভাবে দাঁড়ায় যা যদি তারা কেবল শব্দ করে তবে তাদের অস্পষ্ট করে তোলে। অন্যদিকে, ইঙ্গিতগুলি হ'ল প্রভাবগুলি আমার প্রাথমিক ছাপের সাথে সুস্পষ্টভাবে সামঞ্জস্যপূর্ণ হলেও তুলনামূলকভাবে দুর্বল এবং বাম দিক থেকে কেন্দ্রের দিকে প্রত্যাশায় যে কোনও বাস্তব পরিবর্তন দাবি করা খুব বেশি হতে পারে।
