যখন কিছু সময় পয়েন্টগুলি তীব্র প্রতিক্রিয়া দেখায় এবং কিছু পুনরাবৃত্তি ব্যবস্থা অধ্যয়ন না করে তখন কী করবেন?


12

সাধারণত, যখন কেউ একটি দ্রাঘিমাংশীয় নকশায় অবিচ্ছিন্ন তবে ত্রুটিযুক্ত ফলাফলের ব্যবস্থাগুলির মুখোমুখি হয় (তবে বিষয়গুলির মধ্যে একটির সাথে বলুন) সাধারণ পদ্ধতির ফলাফলটিকে স্বাভাবিকতায় রূপান্তরিত করা হয়। যদি পরিস্থিতি চরম আকার ধারণ করে যেমন কাটা কাটা পর্যবেক্ষণের সাথে, কেউ অভিনব হয়ে উঠতে পারে এবং টবিট গ্রোথ কার্ভ মডেল বা অন্য কিছু ব্যবহার করতে পারে।

তবে যখন আমি এমন ফলাফল দেখতে পাই যেগুলি সাধারণত নির্দিষ্ট সময় পয়েন্টগুলিতে সাধারণত বিতরণ করা হয় এবং তারপরে অন্যদের দিকে ভারী হয়ে যায়; রূপান্তর একটি ফুটো প্লাগ করতে পারে তবে অন্যটি বসন্ত। এমন ক্ষেত্রে আপনি কী পরামর্শ দিতে পারেন? আমি কি জানি না এমন মিশ্র প্রভাবগুলির মডেলগুলির "নন-প্যারামেট্রিক" সংস্করণগুলি রয়েছে?

দ্রষ্টব্য: একটি প্রয়োগকৃত উদাহরণ হ'ল জ্ঞান পরীক্ষার স্কোরগুলি বহু আগে থেকেই শিক্ষামূলক হস্তক্ষেপের পোস্ট / পোস্ট করে। স্কোরগুলি স্বাভাবিক শুরু হয় তবে স্কেলের উচ্চ প্রান্তে পরে ক্লাস্টার হয়।


6
উদাহরণ আকর্ষণীয় কারণ এটি সর্বদা ঘটে। এটি মোকাবেলায় সুপরিচিত রূপান্তর রয়েছে, যেমন টুকির "ভাঁজ" পাওয়ার ট্রান্সফর্মেশন। এগুলি স্কেলের মাঝখানে সামান্য পরিবর্তন করে তবে উভয় প্রান্তে সঙ্কোচ নিরাময় করে। আমি খুঁজে পেয়েছি যে ভাঁজযুক্ত শিকড় এবং লগগুলি প্রমিত / পোস্ট পরীক্ষার তুলনার জন্য খুব ভাল কাজ করে ।
হোবার

আপনাকে ধন্যবাদ, Whuber । আমি ভাঁজ রূপান্তর পদ্ধতির সন্ধান করব।
ব্রেন্ডেন ডুফল্ট 16

1
সংজ্ঞা এবং উদাহরণগুলির জন্য, ব্রেন্ডেন, stats.stackexchange.com/a/10979 দেখুন । তাদের ব্যবহারের উপর নির্দেশ জন্য, Tukey এর বই গত কয়েক অধ্যায়গুলির দেখতে EDA
হোবার

2
একটি যুক্ত নোট - মনে রাখবেন যে অনুমানগুলি মডেলের অবশিষ্টাংশগুলি সম্পর্কে তৈরি করা হয়েছিল, প্রকৃত ভেরিয়েবলগুলি এতে জড়িত নয়।
পিটার ফ্লুম - মনিকা পুনরায়

উত্তর:


1

আপনার অবশিষ্টাংশগুলিতে সমস্যাটি ঘটে বলে ধরে নেওয়া (যেমন ফলাফলের পরিবর্তনশীল নিজেই বন্টন সাধারণত সমস্যা হয় না), আমি কোনও সমস্যার রূপান্তর বা প্রয়োগের মাধ্যমে এটি "সংশোধন" করার চেষ্টা না করে সমস্যার কারণ অনুসন্ধান করতে চাইছি ননপ্যারমেট্রিক মডেল।

যদি এটির ক্ষেত্রেও মনে হয় যে কোনও প্রবণতা রয়েছে (উদাহরণস্বরূপ, ক্রমান্বয়ে আরও কম বা স্বাভাবিক হতে চলেছে), বা, যখন এটি স্বাভাবিক থেকে স্বাভাবিক না হয়ে যায় তার মধ্যে একটি স্পষ্ট বিরতি, তবে এটি কোনওরকমের "শাসনব্যবস্থার পরিবর্তন" প্রস্তাব করে আপনার ডেটা (যেমন, সময়ের সাথে সাথে ডেটা উত্পন্ন করার পদ্ধতি পরিবর্তন হচ্ছে) বা কিছু প্রকারের ভেরিয়েবল সমস্যা।

যদি এটির ক্ষেত্রে কোনও সুস্পষ্ট নিদর্শন না পাওয়া যায় (যেমন, সময়কাল 1 এবং 3 স্বাভাবিক দেখায় এবং সময়কাল 2 এবং 4 হয় না) আমি ডেটা অখণ্ডতার সমস্যার জন্য খুব যত্ন সহকারে খুঁজছি।

আপনার কাছে রীতি পরিবর্তন হয়েছে কিনা তা যাচাইয়ের একটি সহজ উপায় হ'ল "সাধারণ" সময় সময়কালের সাহায্যে মডেলটি অনুমান করা এবং তারপরে অন্যান্য সময়কালগুলি ব্যবহার করে পুনরায় অনুমান করা এবং কী পার্থক্য ঘটে তা দেখুন। আরও জটিল পদ্ধতিকে হ'ল সুপ্ত শ্রেণির মডেল ব্যবহার করা, সম্ভবত সময়ের সাথে সহবর্তী পরিবর্তনশীল হিসাবে।

আপনার ননপ্যারমেট্রিক মিক্সড এফেক্টস মডেল সম্পর্কে আপনার প্রশ্নের বিষয়ে এটি নির্ভর করে যে আপনি ননপ্যারামেট্রিক বলতে কী বোঝাতে চান তার উপর নির্ভর করে। যদি আপনি এমন মডেলগুলি বোঝাতে চান যা একটি সংখ্যা নির্ভরশীল পরিবর্তনশীল ধরে না নেয় তবে প্রচুর পরিমাণে মডেল রয়েছে (যেমন, লিমডেপ বেশ কয়েকটি রয়েছে)। এছাড়াও, মনে রাখবেন যে স্বাভাবিকতা অনুমানের লঙ্ঘন সম্ভবত আপনার অনুমিতির আকার যদি ছোট হয় তবে অনুমানের দৃষ্টিভঙ্গি থেকে কেবল সমস্যাযুক্ত হবে। এটি তদন্তের একটি উপায় হ'ল অন্যান্য মন্তব্য এবং উত্তরে আলোচিত বিভিন্ন রূপান্তরগুলি চেষ্টা করে দেখুন এবং দেখুন যে এটি আপনার সিদ্ধান্তে খুব বেশি প্রভাব ফেলে।


+1 আপনাকে ধন্যবাদ, টিম। সুপ্ত শ্রেণির মডেল এবং লিমডেপ সম্পর্কিত আপনার পরামর্শগুলির আমি প্রশংসা করি। আমি এগুলি সম্পর্কে আরও শিখতে শুরু করার সাথে সাথে এই পদ্ধতিগুলি আমার কাছে আবেদন বাড়ছে।
ব্রেন্ডেন ডুফল্ট

0

বাক্স-কক্স রূপান্তরগুলি রয়েছে যা ভেরিয়েবলটিকে একটি পাওয়ার ল্যাম্বডায় উন্নত করে যেখানে ল্যাম্বদা মডেল প্যারামিটার অনুমানের অন্তর্ভুক্ত। আমি টুকির ভাঁজযুক্ত শক্তি রূপান্তরের সাথে পরিচিত নই, তাই আমরা জানি না আমরা একই জিনিসটির বিষয়ে কথা বলছি কিনা। লাম্বদা অনুমান করার জন্য আপনার ফিটগুলিতে একাধিক পয়েন্ট প্রয়োজন। আপনি কি প্রতিটি সময় পয়েন্টে আলাদা ডিস্ট্রিবিউশন ফিট করতে চান যেখানে প্রতিটি সময় পর্বে পরীক্ষা দেওয়ার বিষয়গুলির সেটগুলিতে বিতরণ সংজ্ঞায়িত করা হয়? এমনকি যদি এটি হয় তবে যদি আপনি জানেন যে কিছু সময়ের পয়েন্টগুলির একই বন্টন হওয়া উচিত তবে আপনি সেগুলি একক ফিটের সাথে সংযুক্ত করতে চাইতে পারেন।

আর একটি পদ্ধতির যা ননপ্যারমেট্রিক এবং স্বাভাবিকতায় রূপান্তর জড়িত না তা হ'ল প্রতিটি সময় পয়েন্টে বা সময় পয়েন্টগুলির প্রতিটি সংযুক্ত সেটে বুটস্ট্র্যাপ প্রয়োগ করা।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.