কাল সিরিজের হাইপোথিসিস পরীক্ষা এবং তাত্পর্য

Question

দুটি জনসংখ্যার সন্ধানের সময় তাত্পর্যপূর্ণ একটি সাধারণ পরীক্ষা হ'ল যদি সম্ভব হয় তবে টি-টেস্ট, জোড় করা টি-টেস্ট। এটি ধরে নেওয়া হয় যে বিতরণটি স্বাভাবিক।

এমন কি সরলকরণ অনুমান রয়েছে যা একটি সময়ের সিরিজের জন্য একটি তাত্পর্য পরীক্ষা করে? বিশেষত আমাদের দুটি ইঁদুরের মোটামুটি ছোট জনসংখ্যা রয়েছে যা আলাদাভাবে চিকিত্সা করা হচ্ছে এবং আমরা সপ্তাহে একবার ওজন পরিমাপ করছি। উভয় গ্রাফ একটি গ্রাফের সাথে অবশ্যই অন্যের উপরের ক্রমবর্ধমান ক্রিয়াকলাপগুলি প্রদর্শন করে। এই প্রসঙ্গে আমরা কীভাবে "সুনির্দিষ্টতা" মাপবো?

নাল অনুমানটি হওয়া উচিত যে দুটি জনসংখ্যার ওজন সময়ের সাথে সাথে "একইরকম আচরণ করে" way কেবলমাত্র অল্প সংখ্যক প্যারামিটারের সাথে মোটামুটি সাধারণ (সাধারণ বিতরণ যেমন সাধারণ) সাধারণ মডেলের ক্ষেত্রে এটি কীভাবে তৈরি করতে পারে? একবার এটি হয়ে গেলে, কীভাবে তাত্পর্য বা পি-ভ্যালুগুলির সাথে সাদৃশ্যপূর্ণ কিছু পরিমাপ করা যায়? প্রতিটি জুটির দুটি জনসংখ্যার প্রত্যেকেরই একজন করে প্রতিনিধি থাকা, যতটা সম্ভব যথাসম্ভব বৈশিষ্ট্যের সাথে মিল রেখে, ইঁদুরগুলি জুড়ানোর বিষয়ে কী?

আমি সময় সিরিজ সম্পর্কে প্রাসঙ্গিক কিছু ভাল-লিখিত এবং সহজেই বোঝা বই বা নিবন্ধে একটি পয়েন্টারকে স্বাগত জানাব। আমি একটি ইগোরামাস হিসাবে শুরু। আপনার সাহায্যের জন্য ধন্যবাদ.

ডেভিড এপস্টাইন

Comments

আপনি একটি বিস্তৃত নেট কাস্ট করতে ইচ্ছুক হতে পারেন, কারণ এটি অগত্যা সময় সিরিজের প্রশ্ন নয়। প্রকৃতপক্ষে, সম্ভবত এখানে সবচেয়ে মৌলিক প্রশ্নটি একটি চিকিত্সার "শেষ পয়েন্ট" মাপার সর্বোত্তম বা কমপক্ষে সঠিক উপায় নিয়ে উদ্বেগ প্রকাশ করে: এটি একটি নির্দিষ্ট সময়ের পরে জনসংখ্যার বৃদ্ধি, সময়ের সাথে গড় বৃদ্ধির হার ইত্যাদির অর্থ কি? আপনি যদি পরীক্ষাটি শুরু করার আগে এটি জানতেন না এবং হঠাৎ করে বৃদ্ধি বক্ররেখাগুলির মধ্যে সামঞ্জস্যপূর্ণ পার্থক্যগুলি লক্ষ্য করছেন, তবে আপনি একটি অনুসন্ধানী মোডে কাজ করছেন, কোনও নিশ্চিতকরণমূলক নয়, এবং হাইপোথিসিস-টেস্টিং পি-মানগুলি প্রতারণামূলকভাবে ভাল হবে।

— whuber

ফল প্রত্যাশার মতো গুণগতভাবে এবং একতরফা পরীক্ষা উপযুক্ত বলে মনে হয়। সময় সিরিজ সম্পর্কে আমি যে কারণটি জিজ্ঞাসা করেছি, তা হ'ল যদি কেউ কেবল চূড়ান্ত ওজন (যা সর্বাধিক প্রাসঙ্গিক পরিমাপ হয়) পরিমাপ করে তবে একজন পূর্ববর্তী সময়ের পয়েন্টগুলি থেকে সমস্ত তথ্য ফেলে দিচ্ছে, এবং এটি ভুল বলে মনে হচ্ছে।

— ডেভিড অ্যাপস্টাইন

আপনি ঠিক বলেছেন: আপনি এই ডেটাগুলি ফেলে দিতে চান না। তবে সময় ধারাবাহিক কৌশলগুলি ডেটাগুলির মডেলগুলির জন্য সামনে আসে যেখানে আদর্শিক বক্ররেখা থেকে বিচ্যুতির সাময়িক সম্পর্কগুলি গুরুত্বপূর্ণ, তাদের নিজস্ব স্বার্থের জন্য বা কারণ তারা ভাল অনুমানের সাথে হস্তক্ষেপ করতে পারে। আপনার পরিস্থিতি এই ক্ষেত্রেগুলির কোনও একটিতে পড়ার সম্ভাবনা নেই। সহজ, আরও বৈজ্ঞানিকভাবে অর্থবোধক পদ্ধতি উপলব্ধ।

— whuber

@ ওহো, ইঁদুর নিয়ন্ত্রণের সময়ের ওজন কি কোনও অর্থে "আদর্শায়িত বক্ররেখা" নয়? বা কমপক্ষে, কোনও তথ্যের সাথে কোনও তাত্ত্বিক মডেল লাগিয়েছেন?

— nnot101

হ্যাঁ, @ অজানা, এটি দেখার পক্ষে এটি যুক্তিযুক্ত উপায়। তবে "বক্ররেখা" "সময় সিরিজ" এর মতো নয়। উদাহরণস্বরূপ, লিনিয়ার রিগ্রেশন (এবং প্রায়শই দেখা যায়) উপাত্তে ফিটিং বক্র হিসাবে দেখা যেতে পারে, তবে সময় সিরিজ বিশ্লেষণ থেকে পৃথক, যা তথ্য এবং আদর্শ বক্ররেখার মধ্যে বিচ্যুতিগুলির মধ্যে পারস্পরিক সম্পর্কের কাঠামোর উপর জোর দেয়।

— whuber

Answer 1

যদি আপনি ডায়নামিকাল প্রক্রিয়া হিসাবে ওজনের বিভিন্নতার কথা ভাবেন তবে এটি করার অনেকগুলি উপায় রয়েছে।

উদাহরণস্বরূপ, এটি একটি সংহত হিসাবে মডেল করা যেতে পারে $\dot x(t) = \theta x(t) + v(t)$

যেখানে ওজন প্রকরণ হয়, θ সম্পর্কিত কিভাবে দ্রুত ওজন পরিবর্তন এবং V ( T ) একটি সম্ভাব্যতার সূত্রাবলি ঝামেলা যে ওজন প্রকরণ প্রভাবিত হতে পারে। আপনার মডেলকে পারে বনাম ( T ) হিসাবে এন ( 0 , প্রশ্ন ) একটি পরিচিত জন্য প্রশ্ন (আপনি এটা অনুমান করতে পারেন)।$x(t)$$\theta$$v(t)$$v(t)$$\mathcal N(0,Q)$$Q$

$\theta$$\theta$$\theta_1$$\theta_2$

একটি রেফারেন্সের জন্য, আমি এই বইটি পরামর্শ দিতে পারি ।

Answer 2

আমি প্রতিটি ইঁদুরের জন্য আলাদাভাবে একটি এআরআইএমএ মডেল সনাক্ত করার পরামর্শ দেব এবং তারপরে মিল এবং সাধারণীকরণের জন্য তাদের পর্যালোচনা করব। উদাহরণস্বরূপ, যদি প্রথম ইঁদুরের একটি আর (1) থাকে এবং দ্বিতীয়টিতে একটি এআর (2) থাকে তবে সর্বাধিক সাধারণ (বৃহত্তম) মডেলটি একটি এআর (2) হয়। এই মডেলটি বিশ্বব্যাপী অর্থাৎ সম্মিলিত সময় সিরিজের জন্য অনুমান করুন। গ্রুপগুলিতে ধ্রুবক পরামিতিগুলির অনুমানটি পরীক্ষা করার জন্য একটি এফ মান উত্পন্ন করতে দুটি পৃথক ত্রুটির সমষ্টিগুলির সমষ্টিগুলির সাথে সংযুক্ত সংস্থার জন্য ত্রুটির সমষ্টিটির তুলনা করুন। আমি আশা করি আপনি আপনার ডেটা পোস্ট করতে পারেন এবং আমি এই পরীক্ষাটি স্পষ্টভাবে বর্ণনা করব।

অতিরিক্ত মন্তব্যগুলি:

যেহেতু ডেটা সেটটি স্বয়ংক্রিয়-সংযুক্তি স্বাভাবিকতা প্রযোজ্য না। সময়ের সাথে পর্যবেক্ষণগুলি যদি স্বতন্ত্র হয় তবে কেউ হয়ত কিছু সময়ের সাথে পরিচিত নন-টাইম সিরিজ পদ্ধতিগুলি প্রয়োগ করতে পারেন। টাইম সিরিজ সম্পর্কে সহজেই বই পড়ার বিষয়ে আপনার অনুরোধের পরিপ্রেক্ষিতে আমি অ্যাডিসন-ওয়েসলির ওয়ে পাঠ্যর পরামর্শ দিই। সামাজিক বিজ্ঞানীরা আরও স্বজ্ঞাত কিন্তু কঠোরতার অভাব হিসাবে ম্লেয়ারি এবং হেই (1980) এর অ-গাণিতিক পদ্ধতির সন্ধান পাবেন।

Comments

এটি প্রকৃতপক্ষে মৌলিক সমস্যাগুলির সমাধান করতে দেখা যাচ্ছে না। (1) কেন এই জাতীয় মডেল উপযুক্ত? (২) প্রতিটি মাউসকে কেন মডেল করা উচিত এবং বলা উচিত না, গড় জনসংখ্যা ওজন বা ওজন বাড়িয়ে তোলে? (3) ধ্রুবক পরামিতিগুলির পরীক্ষা কেন প্রাসঙ্গিক? প্রশ্নটি একটি লেজযুক্ত পরীক্ষার জন্য ভিক্ষা করে। আপনি যে প্যারামিটারগুলি উল্লেখ করেছেন সেগুলির বেশিরভাগটি বৈজ্ঞানিকভাবে প্রাসঙ্গিক বলে মনে হয় না, বা তারা একটি গ্রাফের সাথে অন্যের তুলনায় নিয়মিতভাবে অনুভূত হয় না directly (৪) পরীক্ষার শুরুতে আপনি দুটি জনগোষ্ঠীর বৈশিষ্ট্যের সম্ভাব্য পার্থক্যের জন্য কীভাবে নিয়ন্ত্রণ করতে পারেন?

— হোবার

: প্যারামিটারগুলির স্থায়িত্বের জন্য হুস্ট টেষ্টস্টিকটি প্রাসঙ্গিক কারণ আপনার কাছে প্রথম শ্রেণীর পাঠ্যক্রমের ফর্মহাউস ফর্মহাউস 1 এবং দ্বিতীয় মাউসের জন্য সহগের একটি দ্বিতীয় সেট রয়েছে question প্রশ্নটি হল "সহগের মধ্যে সম্মিলিতভাবে তাত্পর্যপূর্ণ পার্থক্য রয়েছে" your এখন আপনার মন্তব্যটি অব্যাহত রেখেছেন, যেহেতু মডেল সহগগুলির মধ্যে একটি ধ্রুবক হতে পারে এবং যদি এটি হয় তবে সহগগুলির মধ্যে পার্থক্য হ'ল ধ্রুবকগুলি একে অপরের থেকে পরিসংখ্যানগতভাবে পৃথক থাকে ote দ্রষ্টব্য যে অন্তর্নিহিত আরিমা মডেলটির অগত্যা একটি ধ্রুবক থাকতে পারে এটি একটি পার্থক্য মডেল হতে পারে।

— আইরিশস্ট্যাট

আমি মনে করি আপনি আংশিকভাবে সঠিক, তবে আপনার সমস্যার চরিত্রায়নটি আপনাকে পরিমার্জন করতে হবে। অনেকগুলি এআরআইএমএ সহগ বা বৈজ্ঞানিকভাবে অপ্রাসঙ্গিক হতে পারে। উদাহরণস্বরূপ, যদি তাদের মধ্যে একটি সময়ের সাথে চতুর্ভুজ শর্তের মতো কাজ করে তবে একটি পার্থক্য বর্ধনের বক্ররেখার আকৃতি সম্পর্কে কিছু বলতে পারে তবে এটি খুব কম ব্যবহার হতে পারে। যদি কেউ পরীক্ষামূলক শেষ পয়েন্ট (গুলি) প্রতিফলিত করার জন্য সহগ বাছাই করে এবং কেবল তাদের পরীক্ষা করে, তবে এর মাধ্যমে কিছু ভাল অর্জন করা যেতে পারে। সাধারণত, যদিও টাইম সিরিজের মডেলগুলি এখানে সহ বৈজ্ঞানিক আগ্রহী হওয়ার সম্ভাবনা কম সহকারীর (যেমন, স্বতঃসংশোধন) প্রবর্তন করে।

— whuber

হুড়োহুড়ি করে: "যদি কেউ পরীক্ষামূলক শেষ পয়েন্ট (গুলি) প্রতিফলিত করার জন্য সহগ বাছাই করে এবং কেবল সেগুলি পরীক্ষা করে, তবে এর মাধ্যমে কিছু ভাল অর্জন করা যায়" এটি মধ্যবর্তী পয়েন্টগুলিকে উপেক্ষা করার কারণে আমার পক্ষে খুব একটা অর্থবহ নয়। আপনার মন্তব্যের বিপরীতে, টাইম সিরিজ মোড এবং এটির সহগ সহগঠনগুলি উল্লেখযোগ্য বৈজ্ঞানিক আগ্রহের কারণ এটি পাঠকদের বিতরণকে বৈশিষ্ট্যযুক্ত করে এবং এলোমেলো প্রক্রিয়াতে (ত্রুটির শব্দ) রূপান্তর করে যা স্বতঃআরক্ষামূলক কাঠামোমুক্ত এবং তারপরে পরীক্ষাগুলিতে কার্যকর স্বাভাবিকতা প্রয়োজন। আমার প্রস্তাবিত পরীক্ষার জন্য সেই ধারণাকে ধরে রাখা দরকার।

— আইরিশস্ট্যাট

স্বতঃসংশ্লিষ্টতা এখানে খুব কম গুরুত্ব পাবে। আগ্রহগুলি প্রবণতাগুলিতে স্পষ্টভাবে আলোকপাত করে: অন্তর্নিহিত বৃদ্ধি বক্ররেখাগুলি কীভাবে দুটি জনগোষ্ঠীর মধ্যে পার্থক্য করে? স্বতঃসংশ্লিষ্ট প্যারামিটারগুলি হ'ল উপদ্রব পরামিতি, কেবলমাত্র ইনসোফারের সাথে পরিচয় করানো এবং ডিল করার জন্য কারণ তারা সেই বৃদ্ধির কার্ভগুলির অনুমানকে উন্নত করতে পারে। প্রথম অগ্রাধিকারটি হ'ল বৃদ্ধির একটি বৈজ্ঞানিক মডেল গ্রহণ করা, সেই মডেলটিকে ব্যাখ্যাযোগ্য এবং আগ্রহের সাথে চিহ্নিত করে এবং সেগুলি নির্ধারণ করা represent সময় সিরিজের কৌশলগুলির স্বয়ংক্রিয় প্রয়োগের এটি সম্পাদনের সম্ভাবনা নেই।

— whuber