অর্থাৎ ক্রমান্বয়ে বিশ্লেষণ করতে (আপনি ঠিক কতটা তথ্য সংগ্রহ করবেন তা সময়ের আগে জানেন না) ঘন ঘন পদ্ধতিগুলির বিশেষ যত্ন প্রয়োজন; পি-মান পর্যাপ্ত পরিমাণে কম না হওয়া বা আত্মবিশ্বাসের ব্যবধান পর্যাপ্ত সংক্ষিপ্ত না হওয়া পর্যন্ত আপনি কেবল ডেটা সংগ্রহ করতে পারবেন না।
কিন্তু বায়েসিয়ান বিশ্লেষণ করার সময়, এটি কি উদ্বেগজনক? কোনও বিশ্বাসযোগ্য ব্যবধান পর্যাপ্ত পরিমাণে ছোট না হওয়া পর্যন্ত আমরা কীভাবে ডেটা সংগ্রহের মতো জিনিসগুলি অবাধে করতে পারি?
1
নির্ভর করে। যদি আপনি বায়েশিয়ান বা ঘন ঘনবাদী হন তবে নির্দিষ্ট পরিমাণে তথ্য না পাওয়া পর্যন্ত আপনি যদি ডেটা সংগ্রহ করেন। যদি আপনি ঘন ঘন অপারেটিং বৈশিষ্ট্যগুলি সম্পর্কে উদ্বিগ্ন হন (যেমন বিশ্বাসযোগ্য ব্যবধানগুলির জন্য কভারেজের সম্ভাবনা, টাইপ 1 ত্রুটি) তবে বিশ্বাসযোগ্য ব্যবধান কোনও প্রভাব বাদ দিলে এটি বন্ধ হওয়া এখনও একটি সমস্যা।
—
Björn
@ জর্জান আপনি এই প্রসঙ্গে "নির্দিষ্ট পরিমাণের তথ্যের" অর্থ কী তা ব্যাখ্যা করতে পারেন? এবং এমনকি যদি আমরা ক্রমানুসারে বেইসিয়ান পরীক্ষার সাথে ধ্রুব টাইপ 1 ত্রুটি হারগুলি না পাই, তবে আমরা কী এখনও "অনুমোদিত"? আমরা কি এখনও কোনও বেইশিয়ান বিশ্লেষণে করা সাধারণ দাবিগুলি নিরাপদে করতে পারি? (অর্থাত্ প্যারামিটারের সম্ভাব্যতা বিতরণের বিষয়ে বিবৃতি)
—
অ্যালেক
নির্দিষ্ট পরিমাণের তথ্য = উদাঃ ফিশারের তথ্য (যেমন কয়েকটি নির্দিষ্ট ক্ষেত্রে বেঁচে থাকার বিশ্লেষণের জন্য)। দ্বিতীয় প্রশ্নের জন্য: হ্যাঁ, আপনি কীভাবে নমুনা তৈরি করেছেন তা প্রতিবিম্বিত করার সম্ভাবনাটি ব্যবহার করে (অর্থাত্ প্রতিস্থাপন, যার ক্ষেত্রে আপনি আরও ডেটা সংগ্রহ বন্ধ করে দিয়েছিলেন)। না, আপনি যদি সঠিক সম্ভাবনাটি উপেক্ষা করেন (এবং উদাহরণস্বরূপ কেবলমাত্র একটি সাধারণ সম্ভাবনা ব্যবহার করুন)।
—
Björn
আহ্, আমি এখন দেখছি, সুতরাং সমস্যাটি আমার অনুমানের সম্ভাবনাটিতেই সত্যি। একটি থামার নিয়ম ভবিষ্যতের পর্যবেক্ষণগুলি পূর্ববর্তীগুলির উপর শর্তাধীনভাবে নির্ভর করে।
—
আলেক
@ জর্ন আপনি কি কোনও বেয়েসিয়ান বিশ্লেষণের জন্য এমন কোনও রেফারেন্স সম্পর্কে জানেন যা এটির জীবনযাত্রার কার্যকারিতাটিতে একটি থামার নিয়মকে বিবেচনা করে?
—
আলেক