পরিসংখ্যানে অ্যানাক্রোনস্টিক অনুশীলনের কয়েকটি উদাহরণ কী?

55

আমি সেই অনুশীলনের কথা উল্লেখ করছি যা এখনও তাদের উপস্থিতি বজায় রাখে, যদিও তারা যে সমস্যাগুলি (সাধারণত গণনা) মোকাবিলার জন্য ডিজাইন করেছিলেন তারা বেশিরভাগই সমাধান হয়েছে।

উদাহরণস্বরূপ, ইয়েটসের ধারাবাহিকতা সংশোধনটি পরীক্ষার সাথে আনুমানিক ফিশারের সঠিক পরীক্ষার জন্য উদ্ভাবিত হয়েছিল , তবে এটি এখন আর ব্যবহারিক নয় কারণ সফ্টওয়্যারটি এখন বড় নমুনাগুলির সাথেও ফিশারের পরীক্ষা পরিচালনা করতে পারে (আমি জানি এটি সম্ভবত একটি ভাল উদাহরণ হতে পারে না " অ্যাগ্র্রেস্টির শ্রেণিবদ্ধ ডেটা বিশ্লেষণের মতো পাঠ্যপুস্তকগুলির উপস্থিতি বজায় রাখা ", যেহেতু ইয়েটসের সংশোধন" আর দরকার নেই ") স্বীকার করে) $\chi^2$

এই ধরনের অনুশীলনের আরও কয়েকটি উদাহরণ কী?

references philosophical

— ফ্রান্সিস
সূত্র

আমি আসলে এতটা নিশ্চিত নই যে ফিশারের সঠিক পরীক্ষা করার জন্য কম্পিউটিং পাওয়ারের প্রাপ্যতা দিয়ে চি-স্কোয়ার্ড পরীক্ষাটি অচল করে দেওয়া হয়েছিল, যেমন আপনার প্রান্তিকের সত্যিকার অর্থেই ঠিক আছে? উদাহরণস্বরূপ, @ গুং দ্বারা অন্য প্রশ্নের এই উত্তরটি দেখুন । (আমি দৃ sure়ভাবে নিশ্চিত যে আমাদের কাছে এই বিষয়ে আরও বিশদ আলোচনা করার একটি থ্রেড রয়েছে তবে আমি এটি খুঁজে পাই না কারণ আমাদের অনেকগুলি "চি-স্কোয়ার্ড ব্যবহার করা উচিত বা আমার ফিশারের সঠিক পরীক্ষা করা উচিত" প্রশ্নটি কখন প্রদর্শিত হবে) আমি অনুসন্ধান করি!)

— সিলভারফিশ

@ সিলভারফিশ: আমার অর্থ এই নয় যে অপ্রচলিত হয়েছিল, কেবল ইয়েটসের সংশোধন ছিল। আমি বিশ্বাস করি যে অধ্যয়নগুলি প্রমাণ করেছে যে প্রান্তিকালগুলি স্থির না হলে ইয়েটসের সংশোধন খুব রক্ষণশীল। মাইকেল হাবের নিবন্ধটি ধারাবাহিকতা সংশোধন এবং পরিসংখ্যানগত পরীক্ষা একটি পর্যালোচনা সরবরাহ করেছে।

χ^{2}

$\chi^2$

— ফ্রান্সিস

4

@ সিলভারফিশ, সম্ভবত আপনার পরে এটিই হ'ল: আজকাল কম্পিউটারের শক্তি দেওয়া, ফিশারের যথাযথ পরীক্ষার চেয়ে চি-স্কোয়ার্ড পরীক্ষা করার কি কোনও কারণ আছে?

— গুং - মনিকা পুনরায়

LAD এর পরিবর্তে ওএলএস ব্যবহার করছি?

— প্যাট্রিকটি

5

@ প্যাট্রিকটি: ওএলএসকে অ্যানাক্রোনিস্টিক বলতে আমার অনেক সমস্যা হচ্ছে। অবশ্যই, যখন এলএডি স্পষ্টতর উচ্চতর হয় তখন এর জন্য বিশেষ কেস রয়েছে ... তবে অন্য দিকে একই কথা বলা যেতে পারে।

— ক্লিফ এবি

49

এটি দৃ strongly়ভাবে তর্কযোগ্য যে প্রারম্ভিক তাত্পর্যপূর্ণ স্তরের ব্যবহার যেমন বা এমন এক সময়ের aতিহাসিক হ্যাংওভার, যখন বেশিরভাগ গবেষক সমালোচক মানগুলির পূর্বে গণনা করা টেবিলগুলির উপর নির্ভর করে। এখন ভাল সফ্টওয়্যার ভ্যালুগুলি সরাসরি দেবে। আসলে, ভাল সফ্টওয়্যার আপনাকে আপনার বিশ্লেষণটি কাস্টমাইজ করতে দেয় এবং পাঠ্যপুস্তকের পরীক্ষার উপর নির্ভর করে না। $P = 0.05$ $P = 0.01$ $P$

এটি কেবল বিতর্কিত কারণ যদি কিছু তাত্পর্যপূর্ণ পরীক্ষার সমস্যাগুলির জন্য সিদ্ধান্ত গ্রহণের প্রয়োজন হয়, যেমন মান নিয়ন্ত্রণের ক্ষেত্রে যেখানে ব্যাচকে গ্রহণ বা প্রত্যাখ্যান করা হয় তখন সিদ্ধান্তটি প্রয়োজনীয় হয় এবং তার পরে কোনও পদক্ষেপ নেওয়া হয়। তবে এমনকি সেখানে প্রান্তিক ব্যবহারগুলি ঝুঁকি বিশ্লেষণের বাইরে বৃদ্ধি উচিত, traditionতিহ্যের উপর নির্ভর করে না। এবং প্রায়শই বিজ্ঞানগুলিতে পরিমাণগত ইঙ্গিতগুলির বিশ্লেষণ সিদ্ধান্তের চেয়ে বেশি উপযুক্ত: পরিমাণগতভাবে চিন্তাভাবনা কেবলমাত্র একটি ক্রুড ডিকোটমির প্রতি নয়, তাত্পর্যপূর্ণ নয়, ভ্যালুগুলির আকারগুলির দিকে মনোযোগ বোঝায় । $P$

আমি এখানে পতাকাঙ্কিত করব যে আমি এখানে একটি জটিল এবং বিতর্কিত ইস্যুতে স্পর্শ করছি যা পুরো বই এবং সম্ভবত কয়েক হাজার কাগজগুলির ফোকাস, তবে এটি এই থ্রেডের জন্য একটি সুস্পষ্ট উদাহরণ বলে মনে হয়।

— নিক কক্স
সূত্র

4

দুর্দান্ত উদাহরণ! রেফারেন্সের জন্য, এই থ্রেডটি উল্লেখযোগ্য: পি-মান সম্পর্কিত, কেন 1% এবং 5%? কেন 6% বা 10% নয়?

— ফ্রান্সিস

5

@ জেএম আমি 95% আত্মবিশ্বাসী আপনি সঠিক, যদিও আমি 99% আত্মবিশ্বাসী নই।

— মার্ক এল স্টোন

5

আসলে, আমি নিশ্চিত নই যে এটি একটি দুর্দান্ত উদাহরণ। যদিও এটি সত্য যে এ জিনিসগুলির আগে যা পরীক্ষা করা তার চেয়ে অনেক সহজ, আপনি কেন বিশেষভাবে (যেমন মান নিয়ন্ত্রণ) এর বাইরে চান তা সম্পর্কে আমি কখনও ভাল যুক্তি দেখিনি , যে ক্ষেত্রে আমি ডোন না ' টি জানেন না যে স্বেচ্ছাসেবী তাত্পর্য স্তরগুলি এখনও ব্যবহৃত হয়।

α = 0.038561

$\alpha = 0.038561$

— ক্লিফ এবি

4

@ ক্লিফ্যাব আমি মনে করি না যে নির্ভুল পি-মূল্যের মূল বিষয়টি হ'ল আপনি সিদ্ধান্ত নিয়েছেন যে এটি সিদ্ধান্তের জন্য আপনি যে সমালোচনামূলক স্তরটি গ্রহণ করতে চান তা গঠন করে constitu আমি অবশ্যই এর পরামর্শ বা পরামর্শ দিচ্ছি না। এখানে যুক্তিটির অংশটি কেবল 0.05 এবং 0.01 সেরা প্রচলিত স্তরে নয় তা পরীক্ষাগুলি বাইনারি সিদ্ধান্ত নেওয়ার চেয়ে নাল হাইপোথিসিসের বিরুদ্ধে প্রমাণের শক্তির মূল্যায়ন করার একটি উপায় সরবরাহ করে। অনুশীলনে 0.05 এবং 0.01 স্তরগুলি অনেক ক্ষেত্রে খুব বেশি ব্যবহৃত হয়।

— নিক কক্স

4

@ নিক কক্স এবং শুকনো জনসমাগমের জন্য 0.1 স্তরটি ভুলে যাবেন না।

— মার্ক এল স্টোন

24

এমন একটি পদ্ধতি যা আমি মনে করি যে এই সাইটের অনেক দর্শক আমার সাথে একমত হবেন তা হ'ল ধাপে ধাপে চাপানো। এটি এখনও সর্বদা সম্পন্ন হয়েছে , তবে আপনাকে এই সাইটের বিশেষজ্ঞের সন্ধান করতে হবে না যে এটির ব্যবহারকে অবহেলা করছে। লাসোর মতো একটি পদ্ধতি অনেক বেশি পছন্দ করা হয়।

— ক্লিফ এবি
সূত্র

4

স্বাস্থ্য সহকারীর !! আপনি পরবর্তী প্রজন্মের অ্যানাক্রোনিজম (ল্যাসো) এর সাথে একটি অ্যানক্রোনিজম (পদক্ষেপের ধরণ) প্রতিস্থাপনের প্রস্তাব দিচ্ছেন, যা এটি তার নিজের সময়ে একটি অ্যানক্রোনজম, যার অনুসারীরা এখনও এটি উপলব্ধি করতে পারে না। Stats.stackexchange.com / জিজ্ঞাসা / 162861/ … দেখুন ।

— মার্ক এল স্টোন

3

@ মার্কএল.স্টোন: আরে মানুষ, কমপক্ষে এটি 20 বছর সঠিক দিকে রয়েছে। আমি এই পদ্ধতির সাথে তেমন পরিচিত নই, তাই আমি তাদের আমার অনুমোদন দেওয়ার আগে সেগুলি পড়তে হবে।

— ক্লিফ এবি

2

নিবন্ধটি দ্রুত পড়ার পরে, আমি সিদ্ধান্ত নিতে একটু দ্বিধা বোধ করছি যে লাসো আনুষ্ঠানিকভাবে পুরানো, যদিও এটি পরিষ্কারভাবে সর্বদা অনুকূল পছন্দ নয়। সম্ভবত 5 বছরে আমি লাসোকে অপ্রচলিত বলা আরও স্বাচ্ছন্দ্যবোধ করব।

— ক্লিফ এবি

2

@ অ্যামিবা: আমার মনে হয় মার্ক লাসোকে সর্বোত্তম উপসেট রিগ্রেশন হিসাবে একটি সরঞ্জাম হিসাবে ব্যবহার করার অনুশীলনকে উল্লেখ করছে। উদাহরণস্বরূপ, আমি অস্পষ্টভাবে প্রথমে কাউকে প্রথমে ফিট করা ল্যাএসএও নিয়ে আলোচনা পড়া এবং তারপরে শূন্য নয় এমন রিগ্রেশন প্যারামিটার ব্যবহার করে একটি অন-পেনাল্টিযুক্ত মডেলটিকে রিফিট করেছিলাম। সেরা সাবসেট রিগ্রেশন এটি করার আরও সরাসরি উপায় হতে পারে (যদিও আপনি বলেছেন, এটি পরিষ্কার নয় যে এটি বিশ্লেষক যা করতে চান তা এমনকি এটি একটি ভাল ধারণা )।

— ক্লিফ এবি

2

... এবং কাগজটিতে কমপক্ষে একটি পরিস্থিতি (যেমন নির্দিষ্ট প্যারামিটারের অধীনে সিমুলেশন) উপস্থাপন করা হয়েছে যেখানে এটি স্পষ্টতই লাসো সম্পাদন করে, যদিও আমি মনে করি আমরা সবাই জানি যে আমাদের নিজেরাই এ জাতীয় ফলাফল গ্রহণ করা উচিত কতটা গুরুত্ব সহকারে।

— ক্লিফ এবি

17

আমার দৃষ্টিভঙ্গি হ'ল কমপক্ষে (প্রয়োগিত) একনোমেট্রিক্সে কোভেরিয়েন্স ম্যাট্রিক্সের সঠিক স্পেসিফিকেশনের উপর নির্ভরশীল (অ্যাসেম্পোটোটিক্যালি) নির্ভর "অ্যানক্রোনস্টিক অনুশীলন" না হয়ে দৃust় বা অভিজ্ঞতাবাদী কোভেরিয়েন্স ম্যাট্রিক্স ব্যবহার করা আরও বেশি m এটি অবশ্যই কোনও বিতর্ক ছাড়াই নয়: আমি এখানে ক্রসভিলেটেডে যুক্ত হওয়া কয়েকটি উত্তর দেখুন, তবে এটি অবশ্যই একটি সুস্পষ্ট প্রবণতা।

উদাহরণগুলির মধ্যে হিটারোসিসেস্টাস্টিটি-মজবুত মান ত্রুটি (আইকার-হুবার-হোয়াইট স্ট্যান্ডার্ড ত্রুটি) অন্তর্ভুক্ত। অ্যাংজিস্ট এবং পিস্কে-এর মতো কিছু গবেষক স্পষ্টতই ডিফল্ট হিসাবে সাধারণ স্ট্যান্ডার্ড ত্রুটি ব্যবহার করার জন্য "অ্যানক্রোনস্টিক" পদ্ধতির পরিবর্তে হেটেরোসিসেস্টাস্টিটি-মজবুত স্ট্যান্ডার্ড ত্রুটি ব্যবহার করার পরামর্শ দেন এবং অনুমোদিত নয় কিনা তা পরীক্ষা করে দেখুন । $E[uu'] = \sigma^2 I_n$

অন্যান্য উদাহরণগুলির মধ্যে প্যানেল ডেটা অন্তর্ভুক্ত রয়েছে, আইম্বেন্স এবং ওয়াল্ড্রিজ উদাহরণস্বরূপ তাদের বক্তৃতা স্লাইডগুলিতে এলোমেলোভাবে প্রভাবের ভেরিয়েন্স কোভারিয়েন্স ম্যাট্রিক্স ব্যবহারের বিরুদ্ধে যুক্তি দেয় (স্পষ্টতই ভেরিয়েন্স উপাদানটিতে কিছু ভুল বর্ণনাকে ডিফল্ট হিসাবে ধরে নেওয়া হয়):

সম্পূর্ণ দৃ .় অনুমান উপলব্ধ এবং সাধারণত ব্যবহার করা উচিত। (দ্রষ্টব্য: সাধারণ আরই ভেরিয়েন্স ম্যাট্রিক্স, যা কেবলমাত্র এবং উপর নির্ভর করে , সঠিকভাবে নির্দিষ্ট করার দরকার নেই! এটি এখনও এটি অনুমানে ব্যবহার করার পক্ষে কিন্তু তোলে sense) $\sigma_c^2$ $\sigma_u^2$

সাধারণীকরণীয় রৈখিক মডেল ব্যবহার করে (তাত্পর্যপূর্ণ পরিবারগুলির সাথে সম্পর্কিত এমন বিতরণগুলির জন্য) প্রায়শই সঠিক বন্টন অনুমানের উপর নির্ভর করার পরিবর্তে তথাকথিত স্যান্ডউইচ অনুমানকারী ব্যবহার করার পরামর্শ দেওয়া হয় (এখানে অ্যানক্রোনস্টিক অনুশীলন): উদাহরণস্বরূপ এই উত্তরটি বা ক্যামেরন উল্লেখ করে দেখুন ডেটা গণনা করার জন্য কারণ সিউডো-সর্বাধিক সম্ভাবনা অনুমানের ভুল ব্যাখ্যা করার ক্ষেত্রে যথেষ্ট নমনীয় হতে পারে (যেমন পয়েসন ব্যবহার করা যদি নেতিবাচক দ্বিপদী সঠিক হয়)।

পোয়েসন রিগ্রেশনের জন্য এ জাতীয় [হোয়াইট] স্ট্যান্ডার্ড ত্রুটি সংশোধন করা আবশ্যক, কারণ তারা ওএলএসের জন্য অনুরূপ ভিন্ন ভিন্ন ভিন্ন ভিন্ন ভিন্ন পার্থক্য করতে পারে।

গ্রিন তার পাঠ্যপুস্তকে অধ্যায় 14 (তাঁর ওয়েবসাইটে উপলব্ধ) উদাহরণস্বরূপ একটি সমালোচনামূলক নোট সহ লিখেছেন এবং এই অনুশীলনের সুবিধা এবং অসুবিধাগুলি সম্পর্কে আরও বিস্তারিত লিখেছেন:

বর্তমান সাহিত্যে এই [স্যান্ডউইচ] প্রাক্কলনকারীকে নিয়মিত গণনা করার প্রবণতা রয়েছে, সম্ভাব্যতা কাজটি নির্বিশেষে। * [...] * আমরা আবারও জোর দিয়ে বলছি যে স্যান্ডউইচ অনুমানকারী নিজেই এবং কোনওটিই অগত্যা নয় গুণাবলী যদি সম্ভাবনা ফাংশনটি ভুল বর্ণিত হয় এবং এম অনুমানকারীটির জন্য অন্যান্য শর্তাদি পূরণ না হয়।

— আর্ন জোনাস ওয়ার্নকে
সূত্র

4

আকর্ষণীয়, তবে প্রশ্নটি হ'ল অ্যানাক্রোনস্টিক কী, এখন ক্রমবর্ধমান মানক কী নয়, তাই উত্তরটি উল্টে যেতে হবে।

— নিক কক্স

1

হাই নিক, আপনার মন্তব্যের জন্য ধন্যবাদ (এবং আপনার সম্পাদনা), আমি অ্যানক্রোনালিস্টিক অনুশীলন কী তা হাইলাইট করার জন্য পাঠ্যকে সংশোধন করেছি, আমি আশা করি এটি কিছুটা পরিষ্কার হয়ে গেছে becomes পূর্ববর্তী অনুশীলনটি স্ট্যান্ডার্ড ত্রুটি সম্পর্কে বিশেষভাবে কিছুই করার কাছাকাছি হওয়ায় আমি পুরো পাঠ্যটি উল্টে ফেলিনি।

— অর্ণ জোনাস ওয়ার্নকে

কিছু ক্ষেত্রে এটি প্রাকৃতিক নয় এবং শক্ত বিকল্পগুলি ব্যবহার করা সম্ভব নয়, সময় সিরিজটি বলুন। সুতরাং আমি মনে করি এটি "আরও জনপ্রিয়" হয়ে উঠছে না তবে কেবল "কিছু ক্ষেত্রে আরও জনপ্রিয়" হয়ে উঠছে।

— হেনরি.এল

13

একটি পদ্ধতি যা অযথা সমস্ত সময় ব্যবহৃত হয় তা হল পি-মানগুলিতে বনফেরনি সংশোধন। যদিও একাধিক তুলনা যেমন ছিল ততই বড় সমস্যা, বনফেরোনি সংশোধন মূলত পি-মানগুলির জন্য অপ্রচলিত: যে কোনও পরিস্থিতিতে বোনফেরনির সংশোধন বৈধ, তাই হোল-বোনফেরোনি, যার অধীনে কঠোরতর উচ্চ ক্ষমতা থাকবে বিকল্প যদি , যেখানে পরীক্ষা করা অনুমানের সংখ্যা ( এ সমতা )। $m > 1$ $m$ $m = 1$

আমি মনে করি বনফেরোনি সংশোধনের অধ্যবসায়ের কারণ হ'ল মানসিক ব্যবহারের স্বাচ্ছন্দ্য (অর্থাত্ পি = 0.004 সহ সহজেই 0.12 এর সাথে সামঞ্জস্য করা হয়, অন্যদিকে হলম-বনফেরনির পি-মানগুলি বাছাই করা প্রয়োজন)। $m = 30$

— ক্লিফ এবি
সূত্র

এটি পোস্ট করতে এখানে এসেছেন। এছাড়াও: আমি নিশ্চিত নই যে এমন কোনও পরিস্থিতি নেই যেখানে আরও নতুন এফডিআর পদ্ধতিতে (স্কেল্যাবিলিটি এবং অভিযোজনযোগ্যতার কারণে) এফ ডাব্লুআরই অগ্রাধিকার পাবে।

— অ্যালেক্সিস

13

বেশিরভাগ অ্যানাক্রোনিস্টিক অনুশীলন সম্ভবত পরিসংখ্যান শেখানোর পদ্ধতি এবং বিশ্লেষণ করে বিপুল সংখ্যক লোক দ্বারা পরিচালিত হয় যা কেবলমাত্র কয়েকটি বেসিক ক্লাস নিয়েছিল। আমরা প্রায়শই স্ট্যান্ডার্ড স্ট্যাটিস্টিকাল আইডিয়া এবং পদ্ধতিগুলির সেট শিখি কারণ তারা ক্রমবর্ধমান ধারণামূলক পরিশীলনের একটি যৌক্তিক অনুক্রম গঠন করে যা শিক্ষাগতভাবে অর্থবোধ করে (সিএফ।, আমরা কীভাবে জনসংখ্যার বৈচিত্র জানতে পারি? )। আমি নিজেই এর জন্য দোষী: আমি মাঝে মাঝে 101 এবং 102 এর পরিসংখ্যান পড়ি এবং আমি ক্রমাগত বলে থাকি, 'এটি করার আরও ভাল উপায় আছে তবে এটি এই শ্রেণীর আওতার বাইরে'। যে শিক্ষার্থীরা সূচনাক্রমিক ক্রম (প্রায় সবগুলি) ছাড়িয়ে যায় না, তাদের জন্য বেসিক, কিন্তু অতিক্রম করা কৌশল রয়েছে।

পরিসংখ্যান 101 উদাহরণস্বরূপ, সম্ভবত সবচেয়ে প্রচলিত অ্যানক্রোনিস্টিক অনুশীলন হ'ল কিছু অনুমান পরীক্ষা করা এবং তারপরে একটি traditionalতিহ্যগত পরিসংখ্যান বিশ্লেষণ চালানো কারণ পরীক্ষাটি তাত্পর্যপূর্ণ ছিল না। আরও আধুনিক / উন্নত / ডিফেনসিবল পদ্ধতির শুরু থেকে এই অনুমানের শক্তিশালী একটি পদ্ধতি ব্যবহার করা হবে। আরও তথ্যের জন্য কিছু উল্লেখ:
- টি-টেস্ট বা নন-প্যারামেট্রিক পরীক্ষার মধ্যে কীভাবে চয়ন করতে হয়, যেমন ছোট নমুনায় উইলকক্সন
- স্বাভাবিকতা পরীক্ষা করা কি 'প্রয়োজনীয়ভাবে অকেজো'?
পরিসংখ্যানের ১০২ টি উদাহরণের জন্য, মডেলিংয়ের যে কোনও অনুশীলনকে তৈরি করা হয়েছে:
- নির্ভরযোগ্য ভ্যালু বনাম বুটস্ট্র্যাপিং পাওয়ার জন্য অবশিষ্টাংশের স্বাভাবিকতা অর্জনের জন্য রূপান্তরকরণ । $Y$ $p$
- স্যান্ডউইচ প্রাক্কলনকারী ইত্যাদির পরিবর্তে সমকামিতা অর্জনের জন্য রূপান্তরকরণ etc. $Y$
- বক্রতা বনাম কিউবিক স্প্ল্যাপগুলি ক্যাপচারের জন্য একটি উচ্চতর-অর্ডার বহুপদী ব্যবহার করে।
- ভবিষ্যদ্বাণী ব্যবহার করার জন্য দেয়ার উদ্দেশ্যে করা মডেল দ্বায়িত্বপ্রাপ্ত -values মত হইয়া মেট্রিক্স ধার্মিকতা ইন-নমুনা পরিবর্তে ক্রস বৈধতা। $p$ $R^2$
- পুনরাবৃত্ত পরিমাপের ডেটা সহ, একটি অবিচ্ছিন্ন পরিবর্তনশীলকে শ্রেণীবদ্ধ করা যাতে একটি রৈখিক মিশ্র মডেল ব্যবহার করে বনাম একাধিক পরিমাপের গড় ব্যবহার করা যায়।
- প্রভৃতি

এই সমস্ত ক্ষেত্রে মূল বিষয়টি হ'ল লোকেরা প্রথমে একটি সূচনা শ্রেণিতে যা শেখানো হয়েছিল তা করছে কারণ তারা কেবল আরও উন্নত এবং উপযুক্ত পদ্ধতিগুলি জানে না।

— গং
সূত্র

5

খুব আকর্ষণীয় উদাহরণ হ'ল ইকোনোমেট্রিক্সের ইউনিট রুট পরীক্ষা । যদিও টাইম সিরিজের (বহুগুণিত) ডিকি ফুলার টেস্ট বা কেপিএসএস পরীক্ষার পিছনে বহুগুণে ইউনিট মূলের বিরুদ্ধে বা তার জন্য একক মূলের জন্য পরীক্ষা করার জন্য প্রচুর পছন্দ রয়েছে, যখন কেউ বায়েসীয় বিশ্লেষণ ব্যবহার করে তখন সমস্যাটি সম্পূর্ণরূপে উদ্বেগিত হতে পারে । সিমস তার উস্কানিমূলক কাগজটিতে এটিকে বোঝার ইউনিট রুটারস: 1991 সাল থেকে একটি হেলিকপ্টার ট্যুরের দিকে লক্ষ্য করেছিলেন ।

ইউনিট রুট পরীক্ষাগুলি বৈধ এবং ইকোনোমেট্রিক্সে ব্যবহৃত হয় used যদিও আমি ব্যক্তিগতভাবে এটি বেআইসীয় অনুশীলনের সাথে সামঞ্জস্য করতে অনিচ্ছুক লোকদের কাছে দায়ী করব, অনেক রক্ষণশীল একনোমেট্রিকরা ইউনিট রুট পরীক্ষার অনুশীলনকে এই বলে রক্ষা করেছেন যে বিশ্বের একটি বায়সীয় দৃষ্টিভঙ্গি একনোমেট্রিক গবেষণার ভিত্তির বিরোধিতা করে। (এটি হ'ল অর্থনীতিবিদরা বিশ্বকে স্থির পরামিতিগুলির সাথে একটি জায়গা হিসাবে মনে করেন, কিছু হাইপারপ্যারামিটার দ্বারা নিয়ন্ত্রিত এলোমেলো পরামিতি নয়))

— জেরেমিয়াস কে
সূত্র

5

বায়েশিয়ান অনুশীলনগুলি কীভাবে এই পরীক্ষাগুলি ঘটাচ্ছে তা নিয়ে আমি একটি সংক্ষিপ্ত আলোচনায় আগ্রহী। অন্য কথায়, আপনি কীভাবে এই দাবির জন্য মামলা করবেন?

— মাইক হান্টার

আমাকে স্বীকার করতে হবে যে আমি কাগজটি পড়ার পরে অনেক সময় হয়ে গেছে, তবে মূল বক্তব্যটি হচ্ছে টাইম সিরিজের বায়েশিয়ান বিশ্লেষণের জন্য একটি ফ্ল্যাট ব্যবহার করার পরে, কেউ স্ট্যান্ডার্ড টি-মান ব্যবহার করতে পারে।

— জেরেমিয়াস কে

5

উচ্চ মানের স্ট্যাটিস্টিকাল সফ্টওয়্যার সিস্টেমের জন্য লাইসেন্স ফি প্রদান করা। #R

— pteetor
সূত্র

1

হাইপোথিসিস টেস্টিংয়ের ঘনত্ববাদী রাজ্যে সমতার জন্য একই সাথে পরীক্ষা না করে পার্থক্যের জন্য দ্বি-পুচ্ছ পরীক্ষা শেখানো / পরিচালনা করা নিশ্চিতকরণ পক্ষপাতের গভীর প্রতিশ্রুতি ।

এর কিছুটা অবজ্ঞান রয়েছে যে এফেক্ট সাইজের চিন্তাশীল সংজ্ঞা সহ একটি যথাযথ শক্তি বিশ্লেষণ এটিকে রক্ষা করতে পারে এবং আরও কম-বেশি একই ধরণের সূত্র সরবরাহ করতে পারে, তবে (ক) পাওয়ার বিশ্লেষণগুলি প্রায়শই তাত্পর্য উপস্থাপনে উপেক্ষা করা হয়, এবং (খ) আমি আছে না জন্য একটি ক্ষমতা বিশ্লেষণ দেখা, উদাহরণস্বরূপ, প্রতিটি সহগ একটি একাধিক রিগ্রেশনে প্রতিটি পরিবর্তনশীল জন্য আনুমানিক কিন্তু এটা পার্থক্য মিলিত পরীক্ষা এবং সমানতা জন্য পরীক্ষার জন্য তা করার সহজবোধ্য (অর্থাত প্রাসঙ্গিকতা পরীক্ষা)।

— অ্যালেক্সিস
সূত্র

0

একটি কাউন্ট ভেরিয়েবলের আগ্রহের প্যারামিটার শনাক্ত করার জন্য (মজবুত) পোইসন মডেলের পরিবর্তে নেতিবাচক দ্বিপদী মডেল ব্যবহার করা, কেবলমাত্র ওভার-ডিসপ্রেসন হওয়ার কারণে?

রেফারেন্স হিসাবে দেখুন: https://blog.stata.com/2011/08/22/use-poisson-rather-than-regress-tell-a-friend/

পইসন স্থির-প্রতিক্রিয়াগুলির ক্ষেত্রে আরও দৃ is় হওয়ার প্রমাণটি সাম্প্রতিককালে এটি সমালোচিত হয়েছে: ওয়াল্ড্রিজ, জেএম, "কিছু ননলাইনার প্যানেল ডেটা মডেলের বিতরণ-মুক্ত অনুমান," একনোমেট্রিক্স জার্নাল 90 (1999), 77-97।

— আলেকজান্দ্রে কাজেনভে-ল্যাক্রাউটজ
সূত্র

-6

এখানে কয়েকটি অ্যানোক্রোনজম রয়েছে:

নিওপ্লাটোনিক অনুমান যে তাত্ত্বিক ইথারে সেখানে একক, "সত্য" জনগোষ্ঠী রয়েছে যা চিরন্তন, স্থির এবং অমীমাংসিত যার বিরুদ্ধে আমাদের অসম্পূর্ণ নমুনাগুলি মূল্যায়ন করা যায় শিখতে এবং জ্ঞানের অগ্রগতির পক্ষে খুব সামান্যই কাজ করে।
ওসামের রেজারের মতো ম্যান্ডেটের অন্তর্নিহিত হ্রাসকালীন সময়ের সাথে অসঙ্গতিপূর্ণ। বা এর সংক্ষিপ্তসার হিসাবে বলা যেতে পারে, "প্রতিযোগিতামূলক অনুমানের মধ্যে, খুব কম অনুমানের সাথে একটি নির্বাচন করা উচিত।" বিকল্পগুলির মধ্যে এপিকিউরাস একাধিক ব্যাখ্যার নীতি অন্তর্ভুক্ত রয়েছে , যা মোটামুটিভাবে বলেছে, "যদি একাধিক তত্ত্ব যদি ডেটার সাথে সামঞ্জস্য করে তবে সেগুলি সব রাখুন।"
পুরো পিয়ার-রিভিউ সিস্টেমটি মরিয়া হয়ে ওভারহুলের প্রয়োজন।

* সম্পাদনা করুন

কয়েক মিলিয়ন বৈশিষ্ট্যযুক্ত বিশাল ডেটা সহ, ভেরিয়েবল নির্বাচন পর্বের আর দরকার নেই।
উপরন্তু, অনুমানমূলক পরিসংখ্যান অর্থহীন।

— রেভস ডি জনসন
সূত্র

মন্তব্যগুলি বর্ধিত আলোচনার জন্য নয়; এই কথোপকথন চ্যাটে সরানো হয়েছে ।

— হোবার