গড় আকর্ষণীয় বা সুবিধাজনক হতে পারে। এটি সবচেয়ে ধোঁকাবাজির সময়ও প্রতারণার উত্স হতে পারে, সুতরাং গড় হারের জন্য সুস্পষ্ট যুক্তি না থাকলেও সাবধানে পদচারণ করুন।
এটি এমন একটি পরিস্থিতি যা এটি কোনও ভাল ধারণা নয়। বিবেচনা করুন যে গোষ্ঠীগুলির যত্ন সহকারে সংজ্ঞা দিয়ে আপনি (সাধারণত) দুটি ডেটা সংক্ষিপ্ত বিন্দুতে দুটি ভেরিয়েবলের উপর আলাদা করতে পারবেন; এবং তারপরে আপনি প্রস্থের সাথে একটি নিখুঁত সম্পর্ক স্থাপন করবেন1। অভিনন্দন, না! পদ্ধতির কোনও ভাল কারণ ছাড়াই এখানে উন্নতি বোগাস og বিপদের কাছে যাওয়ার জন্য আপনার এই চরম মামলার কাছে যাওয়ার দরকার নেই।
কিছু পরিস্থিতি রয়েছে যার মধ্যে গড় গড় বোঝা যায়। উদাহরণস্বরূপ, যদি seasonতুগত পরিবর্তনগুলি অল্প বা স্বার্থের হয়, তবে বার্ষিক মানগুলিতে গড় গড় হ্রাস করা ডেটাসেট তৈরি করে যাতে আপনি সেই বার্ষিক মানগুলিতে ফোকাস করতে পারেন।
বিভিন্ন ক্ষেত্রে গবেষকরা একেবারে আলাদা স্কেলে পারস্পরিক সম্পর্কের বিষয়ে আগ্রহী হতে পারেন, যেমন বেকারত্ব এবং ব্যক্তি, কাউন্টি, রাজ্য, দেশগুলির জন্য অপরাধের মধ্যে (যে কোনও শর্তই সর্বাধিক বিবেচনা করা যায় তার পরিবর্তে)।
আগ্রহ এবং প্রায়শই অনুমানের সমস্যার অন্যতম প্রধান উত্স, বিভিন্ন স্কেল বা স্তরে কী চলছে তা ব্যাখ্যা করার মধ্যে। উদাহরণস্বরূপ, বেকারত্বের হার এবং অঞ্চলগুলির জন্য অপরাধের হারের মধ্যে একটি উচ্চ সম্পর্কের অর্থ এই নয় যে বেকাররা অপরাধী হওয়ার প্রবণতা বেশি; আপনার এটির উপর পরিষ্কার হতে ডেটা প্রয়োজন individuals কেবলমাত্র অর্থনীতি বা গোপনীয়তার বিষয়টি হিসাবে ডেটা প্রভিশন কেবলমাত্র স্বল্প মজাদার স্কেলে ডেটা উপলব্ধ হওয়ার ক্ষেত্রে সর্বাধিক বিশ্রী হতে পারে।
আমি আরও লক্ষ করি যে অনেকগুলি পরিমাপ প্রথম স্থানে প্রায়শই ছোট সময়ের ব্যবধান এবং / অথবা ছোট স্থান ব্যবধানের সাথে গড় হয়, তাই প্রায়শই কোনও ক্ষেত্রে ডেটা গড়ে পৌঁছে যায়।