কুতনার এবং অন্যান্য দ্বারা রৈখিক পরিসংখ্যানের মডেল প্রয়োগ করা হয়েছে। আনোভা মডেলগুলির স্বাভাবিকতা অনুমান থেকে প্রস্থান সম্পর্কে নিম্নলিখিতটি জানিয়েছে: ত্রুটি বিতরণের কুর্তোসিস (সাধারণ বিতরণের তুলনায় কম বেশি পিকড হয়) অনুলিপিগুলির উপর প্রভাবগুলির ক্ষেত্রে বিতরণের ঝাঁকুনির চেয়ে বেশি গুরুত্বপূর্ণ ।
আমি এই বিবৃতিটি দেখে কিছুটা বিস্মিত হয়েছি এবং বইয়ে বা অনলাইনে কোনও সম্পর্কিত তথ্য সন্ধান করতে পরিচালনা করি না। আমি বিভ্রান্ত হয়ে পড়েছি কারণ আমি আরও জানতে পেরেছিলাম যে ভারী লেজযুক্ত কিউকিউ প্লটগুলি ইঙ্গিত দেয় যে লিনিয়ার রিগ্রেশন মডেলগুলির জন্য স্বাভাবিকতা অনুমান "যথেষ্ট ভাল", তবে স্কিউ কিউকিউ-প্লটগুলি আরও উদ্বেগের বিষয় (যেমন একটি রূপান্তর উপযুক্ত হতে পারে) ।
আমি কি ঠিক করেছি যে একই যুক্তি আনোভা-র জন্য যায় এবং তাদের শব্দের পছন্দ (ইনফরমেশনগুলির প্রভাবের ক্ষেত্রে আরও গুরুত্বপূর্ণ ) কেবলমাত্র খারাপভাবে বেছে নেওয়া হয়েছিল? অর্থাত্ একটি স্কিউড বিতরণে আরও গুরুতর পরিণতি হয় এবং এড়ানো উচিত, যেখানে অল্প পরিমাণ কুরটোসিস গ্রহণযোগ্য হতে পারে।
সম্পাদনা: রোল্যান্ডো 2 দ্বারা সজ্জিত হিসাবে, এটি বলা শক্ত যে, সব ক্ষেত্রেই একজনের চেয়ে বেশি গুরুত্বপূর্ণ, তবে আমি কেবল কিছু সাধারণ অন্তর্দৃষ্টি খুঁজছি। আমার মূল সমস্যাটি হ'ল আমাকে শিখানো হয়েছিল যে সরল রৈখিক প্রতিরোধে, ভারী লেজ (= কুর্তোসিস?) সহ কিউকিউ-প্লটগুলি ঠিক আছে, যেহেতু এফ-পরীক্ষাটি এর বিরুদ্ধে যথেষ্ট শক্ত। অন্যদিকে, স্কিউ কিউ-প্লটগুলি (প্যারাবোলা-আকৃতির) সাধারণত একটি বড় উদ্বেগ। আনোভা মডেলগুলি রিগ্রেশন মডেলগুলিতে রূপান্তরিত হতে পারে এবং একই ধরণের ধারণাগুলি থাকা সত্ত্বেও এটি আমার পাঠ্যপুস্তিকা আনোভা-র জন্য যে নির্দেশিকাগুলি সরবরাহ করে তার বিরুদ্ধে সরাসরি চলেছে বলে মনে হচ্ছে।
আমি নিশ্চিত যে আমি কিছু উপেক্ষা করছি বা আমার একটি ভুল ধারণা রয়েছে, তবে এটি কী হতে পারে তা আমি বুঝতে পারি না।