উত্তরীয় ভবিষ্যদ্বাণীমূলক চেকগুলি সহজ কথায়, "লাগানো মডেলের অধীনে প্রতিলিপিযুক্ত ডেটা সিমুলেট করে এবং তারপরে এটিকে পর্যবেক্ষণের ডেটার সাথে তুলনা করে" ( গেলম্যান এবং হিল, 2007, পৃষ্ঠা 158 )। সুতরাং, আপনি "আসল এবং সিমুলেটেড ডেটার মধ্যে নিয়মতান্ত্রিক তফাত খুঁজে পেতে" পরবর্তী ভবিষ্যদ্বাণীমূলক ব্যবহার করেন ( গেলম্যান এট আল। 2004, পৃষ্ঠা 169 )।
"দুইবার ডেটা ব্যবহার করা" সম্পর্কে যুক্তিটি হ'ল আপনি মডেলটি অনুমান করার জন্য এবং তারপরে, মডেলটি ডেটা ফিট করে কিনা তা যাচাই করার জন্য, সাধারণত এটি একটি খারাপ ধারণা এবং বাহ্যিক ডেটাতে আপনার মডেলটিকে বৈধতা দেওয়া আরও ভাল checking , এটি অনুমানের জন্য ব্যবহৃত হয়নি।
উত্তরোত্তর ভবিষ্যদ্বাণীমূলক চেকগুলি মূল্যায়ন করতে সহায়তা করে যদি আপনার মডেল আপনাকে বাস্তবতা সম্পর্কে "বৈধ" ভবিষ্যদ্বাণী দেয় - সেগুলি পর্যবেক্ষণ করা ডেটা ফিট করে কি না। এটি মডেল বিল্ডিং এবং চেকিংয়ের একটি সহায়ক পর্ব। এটি আপনার মডেলটি "ঠিক আছে" বা যদি এটি "আরও ভাল" হয় তবে অন্য মডেলটি সম্পর্কে কোনও সুনির্দিষ্ট উত্তর দেয় না তবে এটি আপনাকে আপনার মডেলটি সংবেদন করে কিনা তা যাচাই করতে সহায়তা করতে পারে।
এই চমত্কারভাবে বর্ণনা করা হয় LaplacesDemon চিত্র Bayesian ইনফিরেনস :
yrepy
পরবর্তী ভবিষ্যদ্বাণীমূলক চেকগুলি (ভবিষ্যদ্বাণীমূলক বিতরণের মাধ্যমে) ডেটার দ্বিগুণ ব্যবহার জড়িত, যা সম্ভাবনার নীতি লঙ্ঘন করে। তবে, উত্তরোত্তর ভবিষ্যদ্বাণীমূলক চেকগুলির পক্ষে যুক্তি দেওয়া হয়েছে, তবে শর্ত থাকে যে মডেল তুলনা এবং অনুমানের জন্য নয়, মডেল পর্যাপ্ততা অধ্যয়নের ক্ষেত্রে তাত্পর্যপূর্ণ ব্যবস্থার মধ্যে সীমাবদ্ধ provided
Yখ্যাতিY, কোনও নিয়মতান্ত্রিক পার্থক্য সন্ধান করা যা মডেলের সম্ভাব্য ব্যর্থতাগুলি নির্দেশ করতে পারে (গেলম্যান এট আল 2004, পৃষ্ঠা 159)। গ্রাফিকাল প্লটগুলির তুলনা করার জন্য এটি প্রথমে সুপারিশ করা হয় যেমন বিতরণ
Y এবং Yখ্যাতি।