আমার অধ্যয়নের পটভূমি :
একটি গিবস স্যাম্পলিং যেখানে আমরা নমুনা (স্বার্থ পরিবর্তনশীল) এবং থেকে এবং যথাক্রমে যেখানে এবং হয় -dimensional র্যান্ডম ভেক্টর। আমরা জানি যে প্রক্রিয়াটি সাধারণত দুটি পর্যায়ে বিভক্ত হয়:Y P ( X | Y ) P ( Y | X ) X Y k
- বার্ন-ইন পিরিয়ড, যেখানে আমরা সমস্ত নমুনা বাতিল করি। নমুনাগুলিকে এবং ।ওয়াই 1 ∼ ওয়াই টি
- "বার্ন-ইন" পিরিয়ড, যেখানে আমরা আমাদের চূড়ান্ত পছন্দসই ফলাফল হিসাবে নমুনাগুলি গড় ।
তবে, "বার্ন-ইন" সিকোয়েন্সে থাকা নমুনাগুলি স্বতন্ত্রভাবে বিতরণ করা হয় না। সুতরাং আমি যদি চূড়ান্ত ফলাফলের বৈকল্পিকতাটি পরীক্ষা করতে চাই তবে তা হয়ে যায়
এখানে শব্দটি একটি ক্রোস-কোভারিয়েন্স ম্যাট্রিক্স সহ যে কোনও ক্ষেত্রে প্রযোজ্য ।
উদাহরণস্বরূপ, আমি আছে
তারপরে আমি কোভারিয়েন্স ম্যাট্রিক্স সাথে অনুমান করতে পারি
এখন আমি আগ্রহী যে ফলাফলের অনুমানটি উল্লেখযোগ্যভাবে অ-শূন্য কিনা তাই আমার এটি ভেরিয়েন্স অনুমানের মধ্যে অন্তর্ভুক্ত করা দরকার ।
সুতরাং এখানে আমার প্রশ্ন আসে :
- আমরা থেকে sample নমুনা করেছি । যেহেতু changing পরিবর্তিত হচ্ছে, আমি মনে করি এবং distribution একই বিতরণ নয়, তাই হিসাবে একই নয় । এই বিবৃতি সঠিক?
- ধরুন আমার কাছে (অনুক্রমের প্রতিবেশী নমুনাগুলি) অনুমান করার মতো পর্যাপ্ত ডেটা রয়েছে, যদি কোভেরিয়েন্স ম্যাট্রিক্স উল্লেখযোগ্যভাবে হয় তবে পরীক্ষা করার কোনও উপায় আছে কি? নন-শূন্য ম্যাট্রিক্স? বিস্তৃতভাবে বলতে গেলে, আমি এমন একটি সূচকের প্রতি আগ্রহী যা আমাকে কিছু অর্থপূর্ণ ক্রস-কোভেরিয়েন্স ম্যাট্রিকগুলিতে গাইড করে যা আমার চূড়ান্ত বৈকল্পিক অনুমানের মধ্যে অন্তর্ভুক্ত করা উচিত।