আমার প্রশ্নটি হল যে কোন পুনরায় মডেলিংয়ের কৌশলটি বেশি জনপ্রিয়তা অর্জন করেছে
বুটস্ট্র্যাপিং বা ক্রমশক্তি পরীক্ষা?
বুটস্ট্র্যাপিং বেশিরভাগ ক্ষেত্রে বড় নমুনার স্ট্যান্ডার্ড ত্রুটি বা আত্মবিশ্বাসের ব্যবধানগুলি উত্পন্ন করা; নাম অনুসারে অনুক্রমের পরীক্ষাগুলি বেশিরভাগ পরীক্ষার বিষয়ে। (প্রতিটি যদিও অন্য কাজের জন্য ব্যবহৃত হতে পারে তেমন অভিযোজিত হতে পারে))
কীভাবে আমরা জনপ্রিয়তার বিচার করব? আমরা যদি মনোবিজ্ঞান এবং শিক্ষার মতো ক্ষেত্রগুলি দেখি তবে আমরা উইলকক্সন-মান-হুইটনি, স্বাক্ষরিত র্যাঙ্ক পরীক্ষা, র্যাঙ্ক-পারস্পরিক সম্পর্ক পরীক্ষা ইত্যাদির মতো র্যাঙ্ক ভিত্তিক পরীক্ষাগুলির প্রচুর ব্যবহার পেতে পারি। এগুলি সমস্ত ক্রমশক্তি পরীক্ষা (অন্যদিকে এমন অনেকগুলি উদাহরণ রয়েছে যেখানে মূল ডেটার ক্রমুয়েশন পরীক্ষাগুলি পরিবর্তে ব্যবহার করা যেতে পারে তবে সাধারণত হয় না)। কিছু অন্যান্য প্রয়োগের ক্ষেত্রে, ক্রমচারণ পরীক্ষা খুব কমই ব্যবহৃত হত, তবে প্রয়োগের ক্ষেত্রগুলিতে বিচিত্র জনপ্রিয়তা কখনও কখনও দরকারীতার চেয়ে যে কোনও অঞ্চলের স্থানীয় সংস্কৃতি সম্পর্কে আরও বেশি কিছু বলে।
কার্যকর করা সহজ?
অনেক ক্ষেত্রে - বিশেষত সহজতর - তারা প্রায় ঠিক সমানভাবে সহজ - এটি মূলত প্রতিস্থাপনের সাথে নমুনা এবং প্রতিস্থাপন ছাড়াই নমুনা দেওয়ার মধ্যে পার্থক্য।
কিছু জটিল ক্ষেত্রে বুটস্ট্র্যাপিং করা সহজ কারণ কারণ (পরীক্ষার দিক থেকে এটি দেখার জন্য) এটি শূন্যের পরিবর্তে বিকল্পের অধীনে কাজ করে (কমপক্ষে নিষ্পাপ বাস্তবায়নগুলি হবে - এটি করা যাতে এটি ভালভাবে কাজ করে) আরও জটিল হতে পারে)।
আরও জটিল ক্ষেত্রে যথাযথ ক্রমবর্ধমান পরীক্ষাগুলি কঠিন হতে পারে কারণ উপযুক্ত বিনিময়যোগ্য পরিমাণ অযৌক্তিক হতে পারে - প্রায়শই একটি প্রায় বিনিময়যোগ্য পরিমাণ সঠিকতার মূল্যে প্রতিস্থাপিত হতে পারে (এবং সত্যিকার অর্থে বিতরণ-মুক্ত)।
বুটস্ট্র্যাপিং মূলত শুরু থেকেই সম্পর্কিত নির্ভুলতার মানদণ্ড (বিরতিগুলির সঠিক কভারেজ) ছেড়ে দেয় এবং পরিবর্তে বড় নমুনাগুলিতে যুক্তিসঙ্গতভাবে ভাল কভারেজ পাওয়ার চেষ্টা করার দিকে মনোনিবেশ করে (কখনও কখনও বোঝা যায় তার চেয়ে কম সাফল্য সহ; যদি আপনি পরীক্ষা না করেন তবে ডন 'আপনার বুটস্ট্র্যাপটি যে কভারেজটি আপনি আশা করেছেন তা দেয় না'।
পারমিটেশন টেস্টগুলি ছোট নমুনাগুলিতে কাজ করতে পারে (যদিও তাত্পর্য স্তরের সীমিত পছন্দ কখনও কখনও খুব ছোট নমুনাগুলির সাথে সমস্যা হতে পারে), বুটস্ট্র্যাপটি একটি বৃহত-নমুনা কৌশল (আপনি যদি এটি ছোট নমুনাগুলি সহ ব্যবহার করেন তবে অনেক ক্ষেত্রে ফলাফল নাও হতে পারে) খুব দরকারী হতে হবে)।
আমি তাদের খুব একই সমস্যাটির প্রতিযোগী হিসাবে খুব কমই দেখতে পাই এবং এগুলি (বিভিন্ন) বাস্তব সমস্যাগুলিতে ব্যবহার করেছি - প্রায়শই প্রাকৃতিক পছন্দ থাকে যার দিকে নজর দেওয়া উচিত।
উভয়েরই উপকার রয়েছে তবে প্যানাসিয়াতেও নয়। যদি আপনি কেবল তাদের মধ্যে একটিতে মনোনিবেশ করে শেখার প্রচেষ্টা হ্রাস করার আশাবাদী হন তবে আপনি হতাশ হবেন - উভয়ই পুনরায় মডেলিং সরঞ্জামবাক্সের প্রয়োজনীয় অঙ্গ।