কারণ, সাধারণ ত্রুটিগুলি ধরে নেওয়া কার্যকরভাবে ধরে নেওয়া কার্যকর যে বৃহত ত্রুটিগুলি ঘটবে না! সাধারণ বিতরণে এত হালকা লেজ থাকে যে, বাইরে ত্রুটিগুলি স্ট্যান্ডার্ড বিচ্যুতির খুব কম সম্ভাবনা থাকে, বাইরে ত্রুটিগুলি কার্যকরভাবে অসম্ভব। বাস্তবে, এই ধারণাটি খুব কমই সত্য। ভালভাবে নকশা করা পরীক্ষাগুলি থেকে ছোট, পরিপাটি ডেটাসেটগুলি বিশ্লেষণ করার সময়, যদি আমরা অবশিষ্টাংশগুলির একটি ভাল বিশ্লেষণ করি তবে এটি খুব বেশি গুরুত্ব পাবে না। কম মানের ডেটা সহ, এটি আরও অনেক বেশি গুরুত্বপূর্ণ হতে পারে।±3±6
সম্ভাবনা-ভিত্তিক (বা বেইসিয়ান) পদ্ধতিগুলি ব্যবহার করার সময়, এই স্বাভাবিকতার প্রভাব (যেমন উপরে বলা হয়েছে, কার্যকরভাবে এটি "কোনও বড় ত্রুটি নয়" -সাম্পশন!) অনুমানকে খুব সামান্য দৃ little় করে তোলে। বিশ্লেষণের ফলাফলগুলি খুব বড় ত্রুটি দ্বারা প্রভাবিত হয়! এটি অবশ্যই হওয়া উচিত, যেহেতু "কোনও বৃহত ত্রুটি নেই" ধরে নেওয়া আমাদের পদ্ধতিগুলিকে বৃহত ত্রুটিগুলি ছোট ত্রুটি হিসাবে ব্যাখ্যা করতে বাধ্য করে এবং সমস্ত ত্রুটিগুলি আরও ছোট করে তুলতে কেবল গড় মানের পরামিতি সরিয়েই এটি ঘটতে পারে। এটি এড়ানোর একটি উপায় হ'ল তথাকথিত "শক্তসমর্থ পদ্ধতি" ব্যবহার করা, দেখুন http://web.archive.org/web/20160611192739/http://www.stats.ox.ac.uk/pub/StatMeth/Robust .pdf
তবে অ্যান্ড্রু গেলম্যান এ জন্য যাবেন না, যেহেতু শক্তিশালী পদ্ধতিগুলি সাধারণত উচ্চ-বেয়েসিয়ান উপায়ে উপস্থাপন করা হয়। সম্ভাবনা / bayesian মডেল টি-বিতরণ ত্রুটি ব্যবহার হিসাবে, শক্তসমর্থ পদ্ধতি প্রাপ্ত বিভিন্ন উপায় মনে -distribution স্বাভাবিকের চেয়ে গুরুতর মুদ্রার উলটা পিঠ আছে, তাই বড় ত্রুটি একটি বৃহত্তর অনুপাত জন্য করতে পারবেন। স্বাধীনতা প্যারামিটারের ডিগ্রী সংখ্যা অগ্রিম স্থির করা উচিত, তথ্য থেকে অনুমান করা না, যেহেতু এই ধরনের প্রাক্কলন পদ্ধতি (*) এর বলিষ্ঠতার বৈশিষ্ট্য ধ্বংস হবে (এটি একটি খুব কঠিন সমস্যা, জন্য সম্ভাবনা ফাংশন , স্বাধীনতার সংখ্যা ডিগ্রি, সীমাহীন হতে পারে, এটি খুব অদক্ষ (এমনকি অসঙ্গত) অনুমানকারীগুলির দিকে পরিচালিত করে)।tν
উদাহরণস্বরূপ, আপনি যদি মনে করেন (ভয় পেয়েছেন) যে দশটি পর্যবেক্ষণের মধ্যে 1 এর চেয়ে বেশি "বড় ত্রুটি" (3 এসডি এর উপরে) হতে পারে, তবে আপনি 2 ডিগ্রি স্বাধীনতার সাথে ডিস্ট্রিবিউশন ব্যবহার করতে পারেন , যদি এই সংখ্যাটি বৃদ্ধি করে তবে বড় ত্রুটির অনুপাত কম বলে মনে করা হয়।t
আমার লক্ষ্য করা উচিত যে আমি উপরে যা বলেছি তা স্বাধীন বিতরণ ত্রুটিযুক্ত মডেলগুলির জন্য । ত্রুটি বিতরণ হিসাবে মাল্টিভিয়ারেট বিতরণ (যা স্বতন্ত্র নয়) এর প্রস্তাবও এসেছে prop স্টিটিস্টিকা নেরল্যান্ডিকা (১৯৯)) খণ্ডে টিএস ব্রুশ, জে সি রবার্টসন এবং এএইচ ওয়েলশ রচিত "সম্রাটের নতুন জামা: মাল্টিভারিয়েট রিগ্রেশন মডেলের একটি সমালোচনা" পত্রিকায় সেই প্রস্তাবটি তীব্র সমালোচিত হয়েছে । 51, এনআর। 3, পৃষ্ঠা 269-286, যেখানে তারা দেখায় যে মাল্টিভিয়ারেট ত্রুটি বিতরণ স্বাভাবিক থেকে অনুভূতিযুক্ত । তবে সেই সমালোচনা স্বাধীন মডেলকে প্রভাবিত করে না । ttttt
(*) এটি উল্লেখ করে একটি রেফারেন্স হ'ল ভেনিয়েবলস এবং রিপলির এমএএসএস --- এস সহ আধুনিক প্রয়োগিত পরিসংখ্যান (চতুর্থ সংস্করণে ১১০ পৃষ্ঠায়)।