উত্তর:
আমি নিশ্চিত নই যে মাল্টিভারিয়েট মিডিয়ানের জন্য একটি গ্রহণযোগ্য সংজ্ঞা আছে। আমি যার সাথে পরিচিত, সে হ'ল ওজার মধ্যবর্তী বিন্দু , যা পয়েন্টের উপসংশগুলিতে গঠিত সরলিকাগুলির পরিমাণের পরিমাণকে হ্রাস করে। (প্রযুক্তিগত সংজ্ঞার জন্য লিঙ্কটি দেখুন))
আপডেট: উপরের ওজা সংজ্ঞার জন্য রেফারেন্স করা সাইটটিতে একটি মাল্টিভারিয়েট মিডিয়ানের সংখ্যার সংজ্ঞা সংকলন করার জন্য একটি দুর্দান্ত কাগজ রয়েছে:
যেমন @ আরস বলেছেন যে কোনও গ্রহণযোগ্য সংজ্ঞা নেই (এবং এটি একটি ভাল পয়েন্ট)। তে কোয়ান্টাইলগুলি সাধারণকরণের বিভিন্ন উপায়ের পরিবার রয়েছে , আমি মনে করি সর্বাধিক উল্লেখযোগ্য হ'ল :
সাধারণের সমাংশক প্রক্রিয়া আসুন গবেষণামূলক পরিমাপ (= মধ্যে পর্যবেক্ষণ অনুপাতে উপস্থিত একজন )। তারপর, সঙ্গে একটি মধ্যে Borel সেট একটি ভাল মনোনীত উপসেট আর ঘ এবং λ একটি বাস্তব মূল্যবান পরিমাপ, আপনি গবেষণামূলক সমাংশক ফাংশন নির্ধারণ করতে পারেন:
মনে করুন আপনি এমন খুঁজে পেতে পারেন যা আপনাকে সর্বনিম্ন দেয়। তারপর সেট (অথবা সেটের একটি উপাদান) একটি 1 / 2 - ε ∩ একটি 1 / 2 + + ε আপনি মধ্যমা যখন দেয় ε ছোট যথেষ্ট তৈরি করা হয়। A = ( ] - ∞ , x ] x ∈ R ) এবং λ ( ] - ∞ , x ] ) = x ব্যবহার করার সময় মাঝারিটির সংজ্ঞাটি পুনরুদ্ধার হয় । আর্সউত্তর যে ফ্রেমওয়ার্ক আমি পড়ে ... tukey এর অর্ধেক স্থান অবস্থান ব্যবহার লাভ করা যায় এবং λ ( এইচ এক্স ) = এক্স (সঙ্গে এক্স ∈ আর , একটি ∈ আর ঘ )।
ভেরিয়েশনাল সংজ্ঞা এবং এম-প্রাক্কলন ধারণা এখানে যে -quantile প্রশ্ন α একটি এলোপাতাড়ি ভেরিয়েবলের ওয়াই মধ্যে আর একটি ভেরিয়েশনাল সমতা মাধ্যমে সংজ্ঞায়িত করা যায়।
সবচেয়ে সাধারণ সংজ্ঞা ব্যবহার করছে সমাংশক রিগ্রেশন ফাংশন (এছাড়াও পিনবল ক্ষতি নামে পরিচিত, অনুমান কেন?) প্রশ্ন α = একটি দ ছ INF এক্স ∈ আর ই [ ρ α ( ওয়াই - এক্স ) ] । কেস α = 1 / 2 দেয় ρ 1 / 2 ( Y ) = | y | এবং আপনি l 1 ব্যবহার করে এটি উচ্চতর মাত্রায় সাধারণ করতে পারেন@ শ্রীক্যান্ট উত্তরে যেমন হয়েছে দূরত্ব । এটি তাত্ত্বিক মধ্যস্থতা তবে আপনি প্রত্যাশিত প্রত্যাশার (গড়) দ্বারা প্রত্যাশাটি প্রতিস্থাপন করলে আপনাকে অভিজ্ঞতামূলক মিডিয়ান দেয়।
তবে কোলশিনস্কি লেজেন্ড্রে-ফেনচেল ট্রান্সফর্ম ব্যবহার করার প্রস্তাব দিয়েছেন: যেহেতু যেখানে f ( s ) = 1এস∈আরএরজন্য+এস]। তিনি এর জন্য অনেকগুলি গভীর কারণ দিয়েছেন (কাগজটি দেখুন;))। উচ্চতর মাত্রা এই সরলীকরণ একটি ভেক্টর সঙ্গে কাজ প্রয়োজনαএবং প্রতিস্থাপনগুলিαদ্বারা⟨গুলি,α⟩কিন্তু আপনি গ্রহণ করতে পারেনα=(1/2,...,1/2)।
স্পষ্টতই বিভিন্ন ফর্মুলেশনের মধ্যে সেতু রয়েছে। তারা সব সুস্পষ্ট নয় ...
মধ্যম ধারণাটি উচ্চ মাত্রায় সাধারণকরণের জন্য পৃথক পৃথক উপায় রয়েছে। একটি এখনও উল্লেখ করা হয়নি, তবে এটি বেশ আগে প্রস্তাব করা হয়েছিল, একটি উত্তল হাল তৈরি করা, এটি ছুলা এবং যতক্ষণ আপনি পুনরাবৃত্তি করতে পারেন: শেষ হলের মধ্যে যা রয়েছে তা হল পয়েন্টগুলির একটি সেট যা সমস্ত প্রার্থী হতে হবে " মধ্যমা। "
"হেড-ব্যাংিং" হ'ল 2 ডি পয়েন্ট মেঘের একটি শক্তিশালী কেন্দ্র নির্মাণের আরও সাম্প্রতিক প্রয়াস (সি। 1980)। (লিঙ্কটি হ'ল মার্কিন জাতীয় ক্যান্সার ইনস্টিটিউটে ডকুমেন্টেশন এবং সফ্টওয়্যার উপলভ্য)
একাধিক স্বতন্ত্র সাধারণীকরণের মূল কারণ এবং এর কোনও সুস্পষ্ট সমাধান নয় যে আর 1 অর্ডার করা যেতে পারে তবে আর 2, আর 3, ... হতে পারে না।
জ্যামিতিক মধ্যকতা হ'ল নমুনাগুলি থেকে সবচেয়ে ছোট গড় ইউক্যালিডিয়ান দূরত্বের বিন্দু
স্ট্রাইফ এবং রুসিয়েউয়ের কারণে ডিগের একটি ডিগ্রী, ডিইইপিএলওসি ব্যবহার করে টুকি হাফস্পেস মিডিয়ানটি> 2 মাত্রায় বাড়ানো যেতে পারে; দেখতে এখানে বিস্তারিত জানার জন্য।
অ্যালগরিদম দক্ষতার সাথে সবচেয়ে গভীরতার বিন্দুটিকে আনুমানিকভাবে ব্যবহার করতে ব্যবহৃত হয়; নিখুঁত পদ্ধতি যা এটি নির্ধারণ করার চেষ্টা করে সাধারণত (মাত্রিক অভিশাপ) এর "গণ্য সংস্করণ" এর বাইরে চলে যায়, যেখানে একটি পরিসংখ্যান গণনা করার জন্য রানটাইম প্রয়োজন হয় স্পেসের মাত্রার সংখ্যার সাথে তাত্পর্যপূর্ণভাবে বৃদ্ধি পায়।
ইউনিফর্মাল বিতরণের জন্য এটির নিকটে আসা একটি সংজ্ঞা হ'ল টুকি হাফস্পেস মিডিয়ান
আমি এমন কোন সংজ্ঞা বিদ্যমান জানি না কিন্তু আমি চেষ্টা এবং বাড়িয়ে দেবে মধ্যমা মান সংজ্ঞা থেকে । আমি নিম্নলিখিত স্বরলিপি ব্যবহার করব:
, ওয়াই : দুটি মাত্রার সাথে যুক্ত এলোমেলো পরিবর্তনগুলি।
, এম ওয়াই : সংশ্লিষ্ট মিডিয়ান।
: আমাদের এলোমেলো ভেরিয়েবলের জন্য যৌথ পিডিএফ
মিডিয়ানের সংজ্ঞা তে বাড়ানোর জন্য , আমরা নিম্নোক্তগুলি হ্রাস করতে মি x এবং এম y নির্বাচন করি:
এখন সমস্যাটি হ'ল আমাদের বোঝার জন্য একটি সংজ্ঞা প্রয়োজন:
উপরেরটি এক অর্থে দূরত্বের মেট্রিক এবং সম্ভাব্য বেশ কয়েকটি পরীক্ষার্থীর সংজ্ঞা সম্ভব।
ইউক্লিডিয়ান মেট্রিকের অধীনে মিডিয়ানের গণনা করতে যৌথ ঘনত্ব সাথে উপরের প্রত্যাশার গণনা করা দরকার ।