পরিবেশগত নমুনাগুলির রাসায়নিক বিশ্লেষণগুলি প্রায়শই রিপোর্টিং সীমা বা বিভিন্ন সনাক্তকরণ / পরিমাণ সীমাতে নীচে সেন্সর করা হয়। পরবর্তীগুলি ভিন্ন হতে পারে, সাধারণত অন্যান্য ভেরিয়েবলের মানগুলির অনুপাতে। উদাহরণস্বরূপ, একটি যৌগের উচ্চ ঘনত্ব সহ একটি নমুনা বিশ্লেষণের জন্য পাতলা করা প্রয়োজন হতে পারে, ফলস্বরূপ সেই নমুনায় একই সময়ে বিশ্লেষণ করা অন্যান্য সমস্ত যৌগগুলির সেন্সরিং সীমাতে আনুপাতিক মুদ্রাস্ফীতি ঘটে। অন্য উদাহরণ হিসাবে, কখনও কখনও যৌগের উপস্থিতি পরীক্ষার প্রতিক্রিয়াটিকে অন্য যৌগগুলিতে পরিবর্তন করতে পারে (একটি "ম্যাট্রিক্স হস্তক্ষেপ"); যখন এটি পরীক্ষাগার দ্বারা সনাক্ত করা হয়, ততক্ষণে এটির রিপোর্টিং সীমাটি স্ফীত করে দেবে।
আমি এই জাতীয় ডেটাসেটগুলির জন্য পুরো বৈকল্পিক-কোভারিয়েন্স ম্যাট্রিক্সটি অনুমান করার জন্য একটি ব্যবহারিক উপায় চাইছি, বিশেষত যখন অনেকগুলি যৌগিক 50% এর বেশি সেন্সরিংয়ের অভিজ্ঞতা হয়, যা প্রায়শই ঘটে। একটি প্রচলিত বিতরণকারী মডেল হ'ল (সত্য) ঘনত্বের লোগারিদমগুলি বহুবিধ বিতরণ করা হয় এবং এটি বাস্তবে যথাযথভাবে খাপ খায় বলে মনে হয়, সুতরাং এই পরিস্থিতির সমাধানটি কার্যকর হবে।
("ব্যবহারিক" দ্বারা আমি এমন একটি পদ্ধতি বুঝি যা আর, পাইথন, এসএএস ইত্যাদির মতো কমপক্ষে একটি সাধারণভাবে উপলব্ধ সফ্টওয়্যার পরিবেশে নির্ভরযোগ্যভাবে কোড করা যায়, যা একাধিক অনুমানের মধ্যে ঘটে যাওয়া পুনরাবৃত্ত পুনরাবৃত্তিকে সমর্থন করার জন্য দ্রুত পর্যাপ্ত সম্পাদন করে, এবং যা যুক্তিযুক্তভাবে স্থিতিশীল [সে কারণেই আমি কোনও BUGS বাস্তবায়ন অন্বেষণ করতে নারাজ, যদিও সাধারণত বেইশিয়ান সমাধানগুলি স্বাগত are]
এই বিষয়ে আপনার চিন্তার জন্য অগ্রিম অনেক ধন্যবাদ।