অনুমান এবং পূর্বাভাসের মধ্যে পার্থক্য কী?

46

উদাহরণস্বরূপ, আমার কাছে historicalতিহাসিক ক্ষতির ডেটা রয়েছে এবং আমি চরম কোয়ান্টাইল গণনা করছি (মান-ঝুঁকি বা সম্ভাব্য সর্বোচ্চ ক্ষতি)। প্রাপ্ত ফলাফলগুলি ক্ষতির অনুমান করার জন্য বা তাদের পূর্বাভাস দেওয়ার জন্য? কোথায় রেখা আঁকতে পারে? আমি দ্বিধান্বিত.

estimation predictor prediction-interval

— তরমুজ
সূত্র

4

ঘনিষ্ঠভাবে সম্পর্কিত হ'ল স্ট্যাটাস.স্ট্যাকেক্সেঞ্জঞ্জ / প্রশ্নগুলি / ১64৪ 3৩ এ আস্থা আবর্তনের এবং ভবিষ্যদ্বাণী ব্যবস্থার মধ্যে পার্থক্য সম্পর্কে আলোচনা ।

— whuber

64

"ভবিষ্যদ্বাণী" এবং "অনুমান" সত্যই মাঝে মাঝে অ প্রযুক্তিগত রচনায় আন্তঃ পরিবর্তিতভাবে ব্যবহৃত হয় এবং এগুলি একইভাবে কাজ করে বলে মনে হয় তবে একটি পরিসংখ্যানগত সমস্যার স্ট্যান্ডার্ড মডেলের মধ্যে তাদের মধ্যে একটি তাত্পর্যপূর্ণ পার্থক্য রয়েছে। একটি অনুমানকারী একটি প্যারামিটার ধরে অনুমান করতে ডেটা ব্যবহার করে যখন কোনও ভবিষ্যদ্বাণী ডেটাসেটের অংশ না এমন কিছু এলোমেলো মান অনুমান করার জন্য ডেটা ব্যবহার করে। যারা পরিসংখ্যানে "প্যারামিটার" এবং "এলোমেলো মান" বলতে কী বোঝেন তার সাথে অপরিচিত, তাদের জন্য নিম্নলিখিতটি বিশদ ব্যাখ্যা প্রদান করে।

এই স্ট্যান্ডার্ড মডেলে, ডেটাগুলি একটি এলোমেলো পরিবর্তনশীল একটি (সম্ভবত মাল্টিভারিয়েট) পর্যবেক্ষণ গণ্য করা হয় যার বিতরণ কেবল সম্ভাব্য বিতরণের একটি নির্দিষ্ট সেট, "" প্রকৃতির রাজ্যগুলির "মধ্যে থাকা বলেই পরিচিত। একটি মূল্নির্ধারক একটি গাণিতিক পদ্ধতি যে প্রতিটি সম্ভাব্য মান নির্ধারণ কিছু সম্পত্তি প্রকৃতির একটি রাষ্ট্র যেমন তার গড় হিসাবে, । সুতরাং প্রকৃতির প্রকৃত অবস্থা সম্পর্কে একটি অনুমান একটি অনুমান। সাথে তুলনা করে আমরা কতটা প্রাক্কলন অনুমান করতে পারি তা বলতে পারি । $\mathbf{x}$ $X$ $t$ $\mathbf{x}$ $t(\mathbf{x})$ $\theta$ $\mu(\theta)$ $t(\mathbf{x})$ $\mu(\theta)$

একজন ভবিষ্যদ্বাণীকারী অন্য এলোমেলো ভেরিয়েবল স্বতন্ত্র পর্যবেক্ষণকে যার বিতরণ প্রকৃতির প্রকৃত অবস্থার সাথে সম্পর্কিত। একটি পূর্বাভাস হ'ল অন্য এলোমেলো মান সম্পর্কে অনুমান। আমরা কেবলমাত্র দ্বারা উপলব্ধ মানের সাথে তুলনা করে একটি নির্দিষ্ট পূর্বাভাস কতটা ভাল তা বলতে পারি । আমরা আশা করি গড় চুক্তিটি ভাল হবে (সমস্ত সম্ভাব্য ফলাফলের গড় গড় অর্থে) এবং একসাথে সমস্ত সম্ভাব্য মানগুলির তুলনায় )। $p(\mathbf{x})$ $Z$ $p(\mathbf{x})$ $Z$ $\mathbf{x}$ $Z$

সাধারণ ন্যূনতম স্কোয়ারগুলি আদর্শ উদাহরণ দেয়। ডেটাতে জোড়া স্বতন্ত্র ভেরিয়েবলের এর মানগুলিতে নির্ভরশীল ভেরিয়েবলের সংযুক্ত মানগুলি সমন্বিত । প্রকৃতির রাজ্যটি তিনটি পরামিতি দ্বারা চিহ্নিত করা হয়েছে , এবং : এটি বলে যে প্রতিটি গড় এবং স্ট্যান্ডার্ড বিচ্যুতি সহ একটি সাধারণ বিতরণ থেকে একটি স্বাধীন মতো । , এবং প্যারামিটার (সংখ্যা) হ'ল বিশ্বাস করা হয় যে এটি স্থির এবং উদ্বেগজনক। আগ্রহ ফোকাস $(x_i,y_i)$ $y_i$ $x_i$ $\alpha$ $\beta$ $\sigma$ $y_i$ $\alpha + \beta x_i$ $\sigma$ $\alpha$ $\beta$ $\sigma$ $\alpha$ (ইন্টারসেপ্ট) এবং (opeাল)। pha লিখিত ওএলএস অনুমানটি সেই অর্থে ভাল যে is এবং close এর কাছাকাছি থাকে পাসে , কোন ব্যাপার কি সত্য (কিন্তু অজানা) মান এবং হতে পারে । $\beta$ $(\hat{\alpha}, \hat{\beta})$ $\hat{\alpha}$ $\alpha$ $\hat{\beta}$ $\beta$ $\alpha$ $\beta$

ওএলএস পূর্বাভাসে স্বতন্ত্র ভেরিয়েবলের কিছু মান এর সাথে যুক্ত নির্ভরশীল ভেরিয়েবলের একটি নতুন মান পর্যবেক্ষণ করে । ডেটাসেটের মধ্যে হতে পারে বা নাও থাকতে পারে ; এটি অনিবার্য। স্বজ্ঞাতভাবে একটি ভাল ভবিষ্যদ্বাণী হ'ল এই নতুন মানটি সম্ভবত । আরও ভাল ভবিষ্যদ্বাণীগুলি জানায় যে নতুন মানটি কতটা নিকটে হতে পারে (তাদেরকে পূর্বাভাস অন্তর বলা হয় )। তারা যে হিসাব এবং অনিশ্চিত (কারণ সেগুলি অনির্দিষ্ট মান উপর গাণিতিকভাবে নির্ভর $Z = Y(x)$ $x$ $x$ $x_i$ $\hat{\alpha} + \hat{\beta}x$ $\hat{\alpha}$ $\hat{\beta}$ $(y_i)$ ), নির্দিষ্ট হিসাবে পরিচিত নয় (এবং তাই এটি অনুমান করতে হবে), পাশাপাশি ধরে নেওয়া হয় যে এর একটি সাধারণ বিতরণ রয়েছে standard এবং গড় ( কোন টুপি অনুপস্থিতি নোট করুন!)। $\sigma$ $Y(x)$ $\sigma$ $\alpha + \beta x$

বিশেষত নোট করুন যে এই ভবিষ্যদ্বাণীটি অনিশ্চয়তার দুটি পৃথক উত্স রয়েছে: ডেটাতে অনিশ্চয়তা আনুমানিক , আটকানো, এবং অবশিষ্ট মানক বিচ্যুতির ( ) অনিশ্চয়তার দিকে নিয়ে যায় ; তদ্ব্যতীত, এর ঠিক কোন মানটি আসবে তা নিয়েও অনিশ্চয়তা রয়েছে। এই অতিরিক্ত অনিশ্চয়তা - কারণ এলোমেলো - পূর্বাভাসকে বৈশিষ্ট্যযুক্ত করে। একটি পূর্বানুমান পারে চেহারা একটি অনুমান মত (সব পরে, অনুমান :-) এমনকি খুব একই গাণিতিক সূত্র (থাকতে পারে কখনও কখনও $(x_i,y_i)$ $\sigma$ $Y(x)$ $Y(x)$ $\hat{\alpha} + \hat{\beta}x$ $\alpha+\beta x$ $p(\mathbf{x})$ $t(\mathbf{x})$ ), তবে এটি অনুমানের চেয়ে আরও বেশি পরিমাণে অনিশ্চয়তার সাথে আসবে।

এখানে, তবে ওএলএসের উদাহরণে আমরা স্পষ্টভাবে পার্থক্যটি দেখতে পাচ্ছি: প্যারামিটারগুলিতে একটি প্রাক্কলন অনুমান করা হয় (যা স্থির তবে অজানা সংখ্যা), যখন একটি পূর্বাভাসটি এলোমেলো পরিমাণের মান নিয়ে অনুমান করে। সম্ভাব্য বিভ্রান্তির উত্স হ'ল ভবিষ্যদ্বাণীটি সাধারণত আনুমানিক পরামিতিগুলিতে তৈরি হয় এবং অনুমানক হিসাবে একই সূত্রও থাকতে পারে।

অনুশীলনে, আপনি অনুমানকারীদের কাছ থেকে দুটি উপায়ে অনুমানকারীদের আলাদা করতে পারেন:

উদ্দেশ্য : একজন অনুমানকারী প্রকৃতির প্রকৃত অবস্থার একটি সম্পত্তি জানার চেষ্টা করে, যখন একটি পূর্বাভাস একটি এলোমেলো পরিবর্তনশীলটির ফলাফল অনুমান করার চেষ্টা করে; এবং
অনিশ্চয়তা : এলোমেলো ভেরিয়েবলের ফলাফলের সাথে যুক্ত অনিশ্চয়তার কারণে একজন ভবিষ্যদ্বাণীকের সাধারণত সম্পর্কিত অনুমানকারীের চেয়ে বড় অনিশ্চয়তা থাকে। ভাল-ডকুমেন্টেড এবং বর্ণিত পূর্বাভাসকরা সাধারণত অনিশ্চয়তা ব্যান্ডগুলি নিয়ে আসেন - পূর্বাভাস অন্তর - যা অনুমানের অনিশ্চয়তা ব্যান্ডগুলির চেয়ে বিস্তৃত, আত্মবিশ্বাসের অন্তর হিসাবে পরিচিত। পূর্বাভাস অন্তরগুলির একটি বৈশিষ্ট্যগত বৈশিষ্ট্য হ'ল ডেটাসেটটি বাড়ার সাথে সাথে তারা (অনুমানের) সঙ্কুচিত হতে পারে তবে এগুলি শূন্য প্রস্থে সঙ্কুচিত হবে না - এলোমেলো ফলাফলের অনিশ্চয়তা "অদম্য" - যেখানে আত্মবিশ্বাসের বিরতিগুলির প্রস্থগুলি প্রবণতা রাখবে শূন্যের দিকে সঙ্কুচিত হোন, আমাদের অন্তর্নিবেশের সাথে মিল রেখে অনুমানের নির্ভুলতা পর্যাপ্ত পরিমাণে ডেটা সহ নির্বিচারে ভাল হয়ে উঠতে পারে।

সম্ভাব্য বিনিয়োগ ক্ষতির মূল্যায়ন করার জন্য এটি প্রয়োগ করার জন্য, প্রথমে উদ্দেশ্যটি বিবেচনা করুন: আপনি কি নির্দিষ্ট সময়কালে এই বিনিয়োগের (বা বিনিয়োগের এই বিশেষ ঝুড়ি) উপর আসলে কী পরিমাণ হারাতে পারেন তা জানতে চান বা আপনি কী সত্যিই অনুমান করছেন? প্রত্যাশিত ক্ষতি (বিনিয়োগের বৃহত বিশ্বজুড়ে, সম্ভবত)? পূর্ববর্তীটি একটি পূর্বাভাস, পরে একটি অনুমান। তারপরে অনিশ্চয়তা বিবেচনা করুন। যদি আপনার কাছে ডেটা সংগ্রহ করার এবং বিশ্লেষণ করার জন্য প্রায় অসীম সংস্থান থাকে তবে আপনার উত্তর কীভাবে পরিবর্তিত হবে? যদি এটি খুব সুনির্দিষ্ট হয়ে যায়, আপনি সম্ভবত বিনিয়োগের উপর প্রত্যাশিত রিটার্নটি অনুমান করছেন, আপনি যদি উত্তর সম্পর্কে অত্যন্ত অনিশ্চিত থাকেন তবে আপনি ভবিষ্যদ্বাণী করছেন।

সুতরাং, আপনি যদি নিশ্চিত হন না যে আপনি কোন প্রাণীটির সাথে লেনদেন করছেন, আপনার অনুমানকারী / ভবিষ্যদ্বাণীকের কাছে এটি জিজ্ঞাসা করুন: এটি সম্ভবত কতটা ভুল এবং কেন? (1) এবং (2) উভয় মানদণ্ডের মাধ্যমে আপনি জানতে পারবেন যে আপনার কী আছে।

— whuber
সূত্র

খুব মজার উত্তর! আপনি কি আমাদের এটি সম্পর্কে কিছু রেফারেন্স সরবরাহ করতে পারেন?

— ব্যবহারকারী 1420303

2

@ user1420303 এখানে দুটি। (১) কেফার, পরিসংখ্যানগত অনুক্রমের পরিচয় (1987), পৃষ্ঠা -২০১ । 30. (" ভবিষ্যদ্বাণী করা সমস্যাটি হ'ল এমন সিদ্ধান্ত যেখানে সিদ্ধান্তটি কিছু সম্পত্তি নয় , বরং এলোমেলো পরিবর্তনশীলের কিছু সম্পত্তি ...") (২) হান এবং মেকার, পরিসংখ্যানের বিরতি (1991) । উদাহরণ এবং ব্যাখ্যার জন্য বিভাগ 2.3 দেখুন।

F

$F$

— হোবার

+1 টি। আমি আপনার উত্তরটি পেরিয়ে এসেছি কারণ আমি মিশ্র মডেলগুলিতে ব্লু এবং ব্লুআপের মধ্যে টার্মিনোলজিকাল পার্থক্যটি বোঝার চেষ্টা করছি এবং আমি এখনও নিশ্চিত নই যে আমি এটি পেয়েছি। মিশ্র মডেলের ক্ষেত্রে , যেখানে এলোমেলোভাবে আটকানো , আমরা অনুমান করি এবং । তারপরে আমরা পূর্বাভাস দিতে পারি । এই পার্থক্যটি আমি বুঝতে পারি। কিন্তু তারপর কি ? এগুলিকে বিএলইউ পি , অর্থাৎ "প্রেডিক্টর" দিয়ে গণনা করা হয় ; কিন্তু মনে হচ্ছে যে কোনো অনিশ্চয়তা disappears, তাই আমরা বলতে না উচিত যে হয় আনুমানিক

y = α + β x + u_{i} + ϵ

$y=\alpha+\beta x + u_i + \epsilon$

u_{i} \sim N (0, σ_{u}^{2})

$u_i \sim \mathcal N(0, \sigma^2_u)$

α, β, σ,

$\alpha, \beta, \sigma,$

σ_{u}

$\sigma_u$

y

$y$

u_{i}

$u_i$

n \to \infty

$n \to \infty$

u_{i}

$u_i$ ?

— অ্যামিবা বলছে মনিকাকে ২st

2

@ অ্যামিবা এই পরিস্থিতিটিকে একটি শ্রেণিবিন্যাসিক মডেল হিসাবে বুঝতে সহায়তা করতে পারে: স্তরক্রমের এক স্তরে এলোমেলো (তাই এটি সম্পর্কে বিবৃতিগুলি ভবিষ্যদ্বাণীকারী হবে ) যখন পরবর্তী পর্যায়ে এটি উপলব্ধি করা হয়েছে এবং পরবর্তী অনুমানটি উপলব্ধির উপর শর্তাধীন (এটি সম্পর্কে অনুমানকারী সম্পর্কে বিবৃতি দেওয়া )।

u_{i}

$u_i$

— হোবার

2

@ হুবুয়ার আপনি যে সবচেয়ে গুরুত্বপূর্ণ বিষয়টির দিকে লক্ষ্য করেছেন সেটি হ'ল অনুমানকারীরা সর্বদা একটি এসএলআর মডেলের পরামিতিগুলির মতো নন-স্টোকাস্টিক / ননর্যান্ডম প্রকৃতির সাথে একটি পরিমাণের সমানকরণের লক্ষ্য; ভবিষ্যদ্বাণীকারীদের সর্বদা লক্ষ্য হয় একটি এসএলআর মডেলটিতে প্রতিক্রিয়াশীল ভেরিয়েবলের (ত্রুটি শব্দটি সহ) মত স্টোকাস্টিক / এলোমেলো প্রকৃতির সাথে একটি পরিমাণের কাছাকাছি। রাওয়ের প্রাথমিক কাজগুলিতে এই বিষয়টি তুলে ধরা হয়েছে।

— হেনরি.এল

8

অনুমান সবসময় অজানা প্যারামিটারের জন্য থাকে যেখানে পূর্বাভাস এলোমেলো পরিবর্তনশীলের জন্য।

— আরিফ
সূত্র

5

আপনি এলোমেলো পরিবর্তনশীল (যেমন এর প্রত্যাশিত মান) এর একটি প্যারামিটার অনুমান করার সময় একটি র্যান্ডম ভেরিয়েবলের উপলব্ধির পূর্বাভাস দেন ।

— রিচার্ড হার্ডি

@ কাউবয়ট্রেডার, আপনার দাবির বিষয়ে মন্তব্য করার জন্য আমি কার্নেল ঘনত্বের অনুমান সম্পর্কে পর্যাপ্ত পরিমাণে জানি না।

— রিচার্ড হার্ডি

2

মডেলগুলির মধ্যে কোনও পার্থক্য নেই। পরিচালিত ক্রিয়ায় প্রকৃতপক্ষে একটি (সামান্য) পার্থক্য রয়েছে। প্রাক্কলন হ'ল ডেটা (এআই এর পরিভাষায় "শিক্ষণ") ব্যবহার করে আপনার সম্ভাব্য মডেলটির ক্রমাঙ্কন। ভবিষ্যদ্বাণী হ'ল ভবিষ্যতের পর্যবেক্ষণের "অনুমান"। এই "অনুমান করা" ধরে নেওয়া অতীতের তথ্যের ভিত্তিতে- এটি অনুমানের একটি ঘটনা হতে পারে; যেমন আপনি পরবর্তী ব্যক্তির উচ্চতার পূর্বাভাস হিসাবে আপনি জনসংখ্যার গড় উচ্চতার একটি অনুমান ব্যবহার করে পূরণ করতে চলেছেন। তবে খেয়াল করুন, সেই ভবিষ্যদ্বাণীটি সর্বদা অনুমানের উদাহরণ নয়। পরবর্তী ব্যক্তির লিঙ্গ আপনি যার সাথে দেখা করতে চলেছেন, এটি ধ্রুপদী অর্থে জনসংখ্যার একটি প্যারামিটার নয়; লিঙ্গ পূর্বাভাস, কিছু অনুমানের প্রয়োজন হতে পারে তবে এর জন্য আরও কিছু প্রয়োজন হবে ...

মান-ঝুঁকির ক্ষেত্রে, আপনার পূর্বাভাসের ক্ষতির পর থেকে ভবিষ্যদ্বাণী ও অনুমানের মিল রয়েছে , এটি ক্ষতির আনুমানিক প্রত্যাশা।

— JohnRos
সূত্র

2

আপনি অনুমান এবং পূর্বাভাসের মধ্যে একটি সঠিক পার্থক্য দিয়ে ভাল শুরু করেছেন, কিন্তু তারপরে উত্তরটির শেষ দুই-তৃতীয়াংশ আবার অনুমানের সাথে ভবিষ্যদ্বাণীকে বিভ্রান্ত করে। লিঙ্গের উদাহরণ উপস্থাপন করা আরও বিভ্রান্তিকর হয়ে ওঠে, কারণ এটি প্রাথমিক পার্থক্যের সাথে সম্পর্কিত নয় (বাস্তবে এটি অযৌক্তিক, কারণ অন্তর্নিহিত এটি অনুমান এবং পূর্বাভাসের পদক্ষেপের মধ্যে পরিসংখ্যানের মডেলের একটি পরিবর্তন)।

— whuber

0

ভবিষ্যদ্বাণী হ'ল স্বতন্ত্র ভেরিয়েবলের কিছু অনাবদ্ধ মানগুলিতে শর্তাধীন নির্ভরশীল ভেরিয়েবলের মান নির্ণয়ের জন্য নমুনা রিগ্রেশন ফাংশনটির ব্যবহার।

জনসংখ্যার অজানা প্যারামিটার বা পরিমাণ গণনা করার প্রক্রিয়া বা কৌশল হ'ল অনুমান।

— user82419
সূত্র

3

ব্রেভিটি প্রশংসনীয় তবে এখানে এটি বিভ্রান্তির কারণ হতে পারে। ভবিষ্যদ্বাণীটি রিগ্রেশন অ্যাপ্লিকেশনগুলির মধ্যে সীমাবদ্ধ নয়: এটি অনুমানের মতো সম্পূর্ণ সাধারণ। নির্বিশেষে, "স্বতন্ত্র ভেরিয়েবলের কিছু অনাবদ্ধ মানের উপর শর্তযুক্ত" বলতে আপনার অর্থ কী? ভবিষ্যদ্বাণী করার জন্য ডেটা দরকার তা বলার কি এক উপায়? যদি তাই হয় তবে অনুমানের কী হবে, যার জন্য আপনি এই জাতীয় প্রয়োজন সরবরাহ করেন না? আপনার বিবরণটি এটি পাঠ্যপুস্তকের অনুশীলনের মতো শোনাচ্ছে, যেমন "সাধারণ বিতরণটির অর্থ কী যার এসডি এবং উচ্চতর চতুর্থাংশ ?" অনুমানের কি ডেটা দরকার?

1

$1$

2

$2$

— whuber

0

সাধারণত "অনুমান" পরামিতিগুলির জন্য সংরক্ষিত থাকে এবং "পূর্বাভাস" মানগুলির জন্য হয়। যাইহোক, কখনও কখনও পার্থক্য ঝাপসা হয়ে যায়, উদাহরণস্বরূপ আপনি "আগামীকাল মানটির পূর্বাভাস" না দিয়ে "কালকে মূল্য অনুমান করুন" এর মতো কিছু দেখেছেন।

মান-ঝুঁকি (ভিআর) একটি আকর্ষণীয় ঘটনা। ভিআর কোনও প্যারামিটার নয়, তবে আমরা "ভিআর পূর্বাভাস" বলি না। আমরা বলি "অনুমানের ভিআর।" কেন?

যে Var এ কারণে একটি র্যান্ডম পরিমাণ যদি আপনি বন্টন জানেন, এবং আপনি নয় প্রয়োজন ক্যালকুলেট Var এর বন্টন জানতে। সুতরাং, আপনি যদি প্যারাম্যাট্রিক ভিআর পদ্ধতির ব্যবহার করছেন তবে প্রথমে বিতরণের পরামিতিগুলি অনুমান করে তারপরে ভিআর গণনা করুন। আপনি nonparametric ভি ব্যবহার করছেন, তাহলে আপনি সরাসরি অনুমান ভি আপনি পরামিতি কিভাবে অনুমান হবে অনুরূপ। এক্ষেত্রে এটি কোয়ান্টাইলের মতো।

অন্যদিকে, ক্ষতির পরিমাণ একটি এলোমেলো মান। অতএব, যদি আপনার লোকসানের পূর্বাভাস দিতে বলা হয়, তবে আপনি তাদের পূর্বাভাস দিবেন না। আবার কখনও কখনও আমরা "অনুমান" ক্ষতি বলে থাকি। সুতরাং, লাইনটি ঝাপসা হয়ে গেছে, যেমনটি আমি আগে লিখেছি।

— Aksakal
সূত্র

আপনি বলেছেন ভিআর কোনও প্যারামিটার নয়, তবে আমি ভাবছি যদি সত্যিই এটি হয়। ভিআর হ'ল নির্ভরশীল ভেরিয়েবলের বিতরণের (শর্তাধীন বা শর্তহীন) কোয়ান্টাইল। এটি দেখতে আমার কাছে বিতরণের একটি প্যারামিটার বা কমপক্ষে অন্য কোনও ফাংশন, আরও মৌলিক পরামিতিগুলির মতো দেখায়, যা সারাংশটি পরিবর্তন করে বলে মনে হয় না। এটিকে এলোমেলো ভেরিয়েবলের উপলব্ধির মতো মনে হয় না।

— রিচার্ড হার্ডি

এছাড়াও, যখন আপনি বলে থাকেন যে ভবিষ্যদ্বাণীটি মানগুলির জন্য, এটি পরামিতিগুলির মানগুলিতে যেমন র্যান্ডম ভেরিয়েবলের (যা মানগুলিও হয়) আদায় করে। সুতরাং, আমি র্যান্ডম ভেরিয়েবলের উপলব্ধির সাথে মানগুলি প্রতিস্থাপনের পরামর্শ দিচ্ছি; তারপরে আপনি যে দ্বৈতত্ত্বটি লক্ষ্য করছেন তা হবে।

— রিচার্ড হার্ডি

-3

আমি নীচের সংজ্ঞাগুলি আরও ব্যাখ্যাযোগ্য:

অনুমানটি কোনও ফলাফলের গণনা করা অনুমান। এই ফলাফলটি পূর্বাভাস হতে পারে তবে অগত্যা নয়। উদাহরণস্বরূপ, আমি অনুমান করতে পারি যে গতকাল সন্ধ্যা at টা ৫ মিনিটে গোল্ডেন গেট ব্রিজের গাড়ীর সংখ্যা 900 ছিল ধরে ধরে মেরিনের দিকে যাওয়ার তিনটি লেনের ধারণক্ষমতা রয়েছে বলে মনে হয়েছিল, প্রতিটি গাড়ি 30 ফিট জায়গা নিয়েছে এবং সেতুটি 9000 ফুট দীর্ঘ ( 9000/30 x 3 = 900)।

এক্সট্রোপোলেশনটি অনুমান করা হয় যে মূল্যবান পরিচিত জ্ঞানের থেকে কিছু প্যাটার্ন অনুসরণ করে তা ধরে নিয়ে মানের একটি পরিচিত পরিসরের বাইরে একটি ভেরিয়েবলের মান অনুমান করা হচ্ছে। এক্সট্রাপোলেশন-এর সহজতম এবং সর্বাধিক জনপ্রিয় ফর্মটি জানা তথ্যের উপর ভিত্তি করে একটি লিনিয়ার ট্রেন্ড অনুমান করে। রৈখিক এক্সট্রোপোলেশনের বিকল্পগুলির মধ্যে বহুপদী এবং শঙ্কুযুক্ত এক্সট্রোপোলেশন অন্তর্ভুক্ত রয়েছে। অনুমানের মতো, এক্সট্রাপোলেশনটি পূর্বাভাসের জন্য ব্যবহার করা যেতে পারে তবে এটি পূর্বাভাসের মধ্যে সীমাবদ্ধ নয়।

ভবিষ্যদ্বাণী কেবল ভবিষ্যত সম্পর্কে কিছু বলছে। ভবিষ্যদ্বাণীগুলি সাধারণত ফলাফলগুলির দিকে মনোনিবেশ করা হয় those ফলাফলগুলির পথে নয়। উদাহরণস্বরূপ, আমি ভবিষ্যদ্বাণী করতে পারি যে 2050 এর মধ্যে সমস্ত যানবাহন বৈদ্যুতিক মোটর দ্বারা চালিত হবে আমরা কীভাবে 2011 এ স্বল্প গ্রহণ গ্রহণ থেকে 2050 এর মধ্যে পূর্ণ গ্রহণের পদ্ধতিতে পৌঁছে যাব তা ব্যাখ্যা না করেই you আপনি আগের উদাহরণ থেকে দেখতে পাচ্ছেন, ভবিষ্যদ্বাণীগুলি অগত্যা ডেটা ভিত্তিক নয়।

পূর্বাভাস বা পূর্বাভাস দেওয়ার প্রক্রিয়া। পূর্বাভাস এবং পূর্বাভাস শর্তগুলি প্রায়শই আন্তঃবিস্মরণীয়ভাবে ব্যবহৃত হয় তবে কখনও কখনও পূর্বাভাসের পূর্বাভাসগুলি থেকে পৃথক করা হয় প্রায়শই কোনও ফলাফলের পথের ব্যাখ্যা প্রদান করে। উদাহরণস্বরূপ, একটি বৈদ্যুতিক যানবাহন গ্রহণের পূর্বাভাসে এস-আকৃতির অবলম্বনের ধরণ অনুসরণ করে পূর্ণ বৈদ্যুতিক যান গ্রহণের পথ অন্তর্ভুক্ত থাকতে পারে যেখানে কয়েকটি গাড়ি 2025 এর আগে বৈদ্যুতিক হয়, দ্রুত গ্রহণের সাথে 2030 এ একটি প্রতিসরণ বিন্দু দেখা দেয় এবং বেশিরভাগ গাড়ি পরে বৈদ্যুতিক হয় 2040।

অনুমান, এক্সট্রাপোলেশন, পূর্বাভাস এবং পূর্বাভাস পারস্পরিক পরিসীমা এবং সমষ্টিগতভাবে পরিপূর্ণ শব্দ নয়। জটিল সমস্যার জন্য দীর্ঘমেয়াদী পূর্বাভাসের ক্ষেত্রে প্রায়শই প্লাজিযোগ্য ফল উত্পাদন করার জন্য এক্সট্রাপোলেশন ছাড়া অন্য কৌশল ব্যবহার করা প্রয়োজন। পূর্বাভাস এবং ভবিষ্যদ্বাণীগুলি কোনও ধরণের গণনা করা অনুমান ছাড়াও ঘটতে পারে।

লিঙ্ক দেখতে definitions1 definitions2

— SSO
সূত্র

2

ভবিষ্যদ্বাণী অগত্যা ভবিষ্যত সম্পর্কে হতে হবে না।

— মিউরা

এটি সম্পূর্ণ পড়ুন: ভবিষ্যদ্বাণী কেবল ভবিষ্যত সম্পর্কে কিছু বলছে। ভবিষ্যদ্বাণীগুলি সাধারণত ফলাফলগুলির দিকে মনোনিবেশ করা হয় those ফলাফলগুলির পথে নয়।

— sso

হ্যাঁ, তবে ফলাফলগুলি ভবিষ্যতে হওয়ার দরকার নেই। উদাহরণস্বরূপ, আপনি অতীতের অজানা ফলাফলগুলির পূর্বাভাসও দিতে পারেন।

— মিউরা

1

এটি "প্রাক্কলন" এবং "ভবিষ্যদ্বাণী" শব্দটি কীভাবে একটি প্রযুক্তিগত, অ-পরিসংখ্যানগত অর্থে ব্যবহৃত হয় তার একটি যুক্তিসঙ্গত বিবরণ । @ মিউউরা যেমন পরামর্শ দিচ্ছে, অন্য উত্তরগুলি থেকে এটি স্পষ্ট যে those কথোপকথন সংবেদনগুলি প্রচলিত পরিসংখ্যানগুলির চেয়ে পৃথক। মূল প্রশ্নটি অ-পরিসংখ্যানগত উপায়ে ব্যাখ্যা করার পক্ষে আমি একটি বৈধ যুক্তি দেখছি। যাইহোক, এই ব্যাখ্যাটি "অবিশ্বাস্য এবং অপ্রয়োজনীয় সীমাবদ্ধতার পরিচয় দিয়ে অজানা ফলাফলগুলি সহ

— হোয়বার

যদি আপনি এটি পূর্ববর্তী ন্যূনতম-বৈকল্পিক কলম্যান ফিল্টারটিতে প্রয়োগ করেন এবং গোলমাল পরিমাপ থেকে আগ্রহের ডেটা পুনরুদ্ধার করতে একটি নূন্যতম-বৈকল্পিক মসৃণ ব্যবহার করা যেতে পারে। পূর্বোক্ত কৌশলগুলি এক ধাপে এগিয়ে ভবিষ্যদ্বাণীকারীদের উপর নির্ভর করে ... সুতরাং, এখনও ভবিষ্যদ্বাণী করা এক ধাপ এগিয়ে (ভবিষ্যতে) :)

— তাই