ঠিক আছে, আপনি যদি জোড় ছাড়ানো এবং জোড় (যা সাধারণত ভাল চুক্তি আরও ছোট হবে) এর বিভিন্নতাগুলি জানতেন, তবে গ্রুপগুলির মধ্যে পার্থক্যের দুটি অনুমানের সর্বোত্তম ওজন হ'ল ব্যক্তির বৈচিত্রের বিপরীতে আনুপাতিক আনুপাতিক অর্থ পার্থক্য অনুমান।
[সম্পাদনা: দেখা যাচ্ছে যে যখন বৈকল্পগুলি অনুমান করা হয়, তখন এটিকে গ্রেবিল-ডিল অনুমানক বলে। এটিতে বেশ কয়েকটি কাগজপত্র রয়েছে। এখানে একটি]
ভেরিয়েন্সটি অনুমান করার প্রয়োজনীয়তা কিছুটা অসুবিধা সৃষ্টি করে (ভেরিয়েন্স অনুমানের ফলাফল অনুপাত এফ, এবং আমি মনে করি ফলাফলের ওজনগুলির একটি বিটা বিতরণ রয়েছে, এবং ফলস্বরূপ পরিসংখ্যান একধরণের জটিল) তবে আপনি যেহেতু বুটস্ট্র্যাপিং বিবেচনা করছেন, তাই এটি হতে পারে উদ্বেগ কম।
একটি বিকল্প সম্ভাবনা যা কিছুটা দিক থেকে ভাল হতে পারে (বা স্বাভাবিকের তুলনায় কমপক্ষে আরও কিছুটা শক্তিশালী, যেহেতু আমরা বৈকল্পিক অনুপাতের সাথে খেলছি) স্বাভাবিকভাবে দক্ষতার খুব কম ক্ষতি হ'ল শিফট অফের সম্মিলিত অনুমান করা জোড়যুক্ত এবং অযৌক্তিক র্যাঙ্ক পরীক্ষা - প্রতিটি ক্ষেত্রে জোড় ক্রস-নমুনা পার্থক্যগুলির মধ্যবর্তীদের এবং জোড়-গড়-গড়-জুটি-পার্থক্যের মধ্যমদের জোড়যুক্ত ক্ষেত্রে জোড়ের ক্ষেত্রে একজোড়া হজস-লেহম্যান অনুমান। আবার, উভয়ের নূন্যতম বৈকল্পিক ওজনযুক্ত রৈখিক সংমিশ্রণটি বৈকল্পিকগুলির বিপরীতে সমানুপাতিক ওজনের সাথে হবে। সেক্ষেত্রে আমি সম্ভবত বুটস্ট্র্যাপের পরিবর্তে কোনও ক্রম (/ র্যান্ডমাইজেশন) এর দিকে ঝুঁকতাম - তবে আপনি কীভাবে নিজের বুটস্ট্র্যাপ প্রয়োগ করেন তার উপর নির্ভর করে তারা একই জায়গায় শেষ করতে পারে।
উভয় ক্ষেত্রেই আপনি নিজের বৈকল্পিকগুলি শক্তিশালী করতে / আপনার বৈকল্পিক অনুপাতকে সঙ্কুচিত করতে চাইতে পারেন। ওজনের জন্য ডান বলপার্কে প্রবেশ করা ভাল, তবে আপনি এটিকে সামান্য শক্তিশালী করে স্বাভাবিকের খুব কম দক্ষতা হারাবেন। ---
কিছু অতিরিক্ত চিন্তা আমার মাথায় আগে পরিষ্কারভাবে সাজানো হয়নি:
এই সমস্যাটির বহেরেস-ফিশার সমস্যার সাথে আলাদা আলাদা মিল রয়েছে তবে এটি আরও শক্ত।
আমরা যদি ওজন সংশোধন, আমরা পারে শুধু একটি ওয়েলশ-Satterthwaite টাইপ পড়তা মধ্যে অংশ; সমস্যার কাঠামো একই রকম।
আমাদের সমস্যাটি হ'ল আমরা ওজনকে সর্বোত্তম করতে চাই, যার কার্যকরভাবে বোঝা ওজন স্থির হয় না - এবং প্রকৃতপক্ষে পরিসংখ্যানকে সর্বাধিকতর করতে ঝোঁক দেয় (কমপক্ষে প্রায় বৃহত নমুনায় প্রায় আরও বেশি, যেহেতু ওজনের কোনও সেট একই পরিমাণ নির্ধারণ করে এলোমেলো পরিমাণে সংখ্যক, এবং আমরা ডিনোমিনেটরকে হ্রাস করার চেষ্টা করছি; দুজন স্বতন্ত্র নয়)।
এটি, আমি প্রত্যাশা করি, চি-বর্গের আনুমানিকতা আরও খারাপ করে দেবে এবং প্রায় অবশ্যই আরও একটি অনুমানের ডিএফকে প্রভাবিত করবে।
[যদি এই সমস্যার করা সম্ভব হয়, এছাড়াও আছে শুধু পারে আউট একটি চলতি নিয়ম যে বলতে হবে 'আপনি প্রায় হিসাবে ভাল যদি আপনি শুধুমাত্র এই অন্যান্য সেট অধীনে বিজোড় পরিস্থিতিতে এই সেট অধীনে শুধুমাত্র যুক্ত করা ডেটা ব্যবহার করতে পারি না হতে চালু শর্তাবলী এবং বাকি ক্ষেত্রে, এই স্থির ওজন-পরিকল্পনাটি সাধারণত 'অনুকূলের খুব কাছাকাছি থাকে - তবে আমি সেই সুযোগের অপেক্ষায় আমার নিঃশ্বাস ত্যাগ করব না। এই জাতীয় সিদ্ধান্তের নিয়ম প্রতিটি ক্ষেত্রে সত্যই তাত্পর্য নিয়ে সন্দেহাতীতভাবে প্রভাব ফেলবে, তবে যদি সেই প্রভাব এত বড় না হয়, তবে থাম্বের এ জাতীয় নিয়মটি লোকেদের বিদ্যমান উত্তরাধিকারী সফ্টওয়্যার ব্যবহারের জন্য একটি সহজ উপায় দিত, তাই এটি আকাঙ্ক্ষিত হতে পারে এইরকম পরিস্থিতিতে ব্যবহারকারীদের জন্য সেই জাতীয় কোনও শনাক্ত করার চেষ্টা করুন]]
---
সম্পাদনা করুন: স্বরে নোট করুন - ফিরে আসার দরকার আছে এবং 'ওভারল্যাপিং নমুনা' পরীক্ষাগুলির কাজের বিশদ পূরণ করতে হবে, বিশেষত ওভারল্যাপিং নমুনা টি-টেস্টগুলি
---
আমার কাছে এটি ঘটে যে একটি এলোমেলোকরণ পরীক্ষার ঠিকঠাক কাজ করা উচিত -
যেখানে ডেটা যুক্ত করা হয় আপনি এলোমেলোভাবে জোড়ের মধ্যে গ্রুপ লেবেলগুলিকে অনুমতি দিন
যেখানে ডেটা অপরিশোধিত তবে সাধারণ বিতরণ (নালীর নীচে) ধরে নেওয়া হয়েছে, আপনি গ্রুপের কার্যভারগুলি অনুমোদন করুন
w1=1/(1+v1v2)
(অনেক পরে যুক্ত)
সম্ভবত প্রাসঙ্গিক কাগজ:
ডেরিক, বি, রুশ বি, টোহর, ডি, এবং হোয়াইট, পি। (2017),
"দুটি নমুনার জন্য তুলনামূলক তুলনামূলক পরীক্ষার পরিসংখ্যান যা জোড়া এবং স্বতন্ত্র পর্যবেক্ষণ উভয়ই অন্তর্ভুক্ত করে"
আধুনিক প্রয়োগিত পরিসংখ্যান পদ্ধতি জার্নাল , মে , ভলিউম 16, নং 1, 137-157।
doi: 10.22237 / jmasm / 1493597280
http://digitalcommons.wayne.edu/cgi/viewcontent.cgi?article=2251&context=jmasm