আইসি হিসাবে কেস ধরে নেওয়া হয় এমন তথ্যের জন্য আমরা সাধারণত পিসিএকে একটি মাত্রিক হ্রাস কৌশল হিসাবে ব্যবহার করি
প্রশ্ন: নির্ভরশীল, নন-আইড ডেটার জন্য পিসিএ প্রয়োগ করার ক্ষেত্রে সাধারণত বিশেষ কী কী? আইসি ডেটা ধারণ করে এমন পিসিএর কোন দুর্দান্ত / দরকারী বৈশিষ্ট্য আপোস করা হয় (বা পুরোপুরি হারিয়ে গেছে)?
উদাহরণস্বরূপ, ডেটাটি বহুবিধ সময় সিরিজ হতে পারে যেখানে স্বতঃসংশ্লিষ্টতা বা স্বতঃসংশ্লিষ্ট কন্ডিশনাল হিটারোস্কেস্টেটিটি (এআরএইচ) আশা করা যেতে পারে।
টাইম সিরিজের ডেটাতে পিসিএ প্রয়োগের বিষয়ে বেশ কয়েকটি সম্পর্কিত প্রশ্ন আগে জিজ্ঞাসা করা হয়েছিল, উদাহরণস্বরূপ, 1 , 2 , 3 , 4 , তবে আমি আরও সাধারণ এবং বিস্তৃত উত্তর খুঁজছি (প্রতিটি স্বতন্ত্র পয়েন্টে বেশি প্রসারিত করার প্রয়োজন ছাড়াই)।
সম্পাদনা: @ টিএনএফএনএস দ্বারা উল্লিখিত হিসাবে, পিসিএ নিজেই একটি অনুমানমূলক বিশ্লেষণ নয়। তবে, কেউ পিসিএর সাধারণীকরণের পারফরম্যান্সে আগ্রহী হতে পারে, অর্থাৎ নমুনা পিসিএর জনসংখ্যার অংশের দিকে মনোনিবেশ করে। যেমন ন্যাডলারে লিখিত (২০০৮) :
প্রদত্ত ডেটাটিকে (সাধারণভাবে অজানা) বন্টন থেকে একটি সীমাবদ্ধ এবং এলোমেলো নমুনা হিসাবে ধরে নেওয়া, একটি আকর্ষণীয় তাত্ত্বিক এবং ব্যবহারিক প্রশ্ন হ'ল সীমাবদ্ধ ডেটা এবং অন্তর্নিহিত জনসংখ্যার মডেলের তুলনায় নমুনা পিসিএ ফলাফলগুলির মধ্যে সম্পর্ক the
তথ্যসূত্র:
- ন্যাডলার, বোয়াজ "মূল উপাদান বিশ্লেষণের জন্য সীমাবদ্ধ নমুনা সান্নিধ্য ফলাফল: একটি ম্যাট্রিক্স পার্টিউথিউশন পদ্ধতির" পরিসংখ্যানগুলির অ্যানালস (২০০৮): 2791-2817।