আমার একটি সাধারণ পদ্ধতিগত প্রশ্ন আছে। এটির আগে উত্তর দেওয়া হতে পারে তবে আমি প্রাসঙ্গিক থ্রেডটি সনাক্ত করতে সক্ষম নই। আমি সম্ভাব্য সদৃশগুলিতে পয়েন্টারকে প্রশংসা করব।
( এখানে একটি দুর্দান্ত উত্তর, কিন্তু কোনও উত্তর নেই This এটি আত্মার ক্ষেত্রেও একই রকম, এমনকি একটি উত্তর সহ) তবে পরবর্তীটি আমার দৃষ্টিকোণ থেকে খুব নির্দিষ্ট। এটি প্রশ্নটি পোস্ট করার পরেও সান্নিধ্যযুক্ত discovered
থিমটি হ'ল, কীভাবে বৈধ পরিসংখ্যানগত অনুক্রমটি করবেন যখন ডেটা দেখার আগে তৈরি মডেলটি তথ্য উত্পন্নকরণের প্রক্রিয়াটি পর্যাপ্তভাবে বর্ণনা করতে ব্যর্থ হয় । প্রশ্নটি খুব সাধারণ, তবে আমি বিষয়টি নির্দিষ্ট করার জন্য একটি বিশেষ উদাহরণ দেব। যাইহোক, আমি উত্তরগুলি নির্দিষ্ট উদাহরণের বিশদটির উপর নিটপিকিংয়ের পরিবর্তে সাধারণ পদ্ধতিগত প্রশ্নের দিকে মনোনিবেশ করার আশা করি।
একটি দৃ concrete় উদাহরণ বিবেচনা করুন: একটি সময়ের সিরিজ সেটিংয়ে, আমি ডেটা উত্পন্নকরণ প্রক্রিয়াটি ধরে নিয়েছি
আমি কীভাবে আমার বিষয়-বিষয় অনুমানের বৈধ পরিসংখ্যানগত অনুমান করতে পারি ?
যদি আমি আসল মডেলটি ব্যবহার করি তবে এর অনুমানগুলি লঙ্ঘিত হয়েছে এবং এর অনুমানকারী অন্যথায় এটির সুন্দর বিতরণ নেই। অতএব, আমি ব্যবহার করে অনুমানটি পরীক্ষা করতে পারি না-test।
যদি, ডেটা দেখে, আমি মডেল থেকে স্যুইচ প্রতি এবং থেকে আমার পরিসংখ্যান অনুমান পরিবর্তন প্রতি , মডেল অনুমানগুলি সন্তুষ্ট এবং আমি একটি ভাল-আচরণের অনুমানকারী পেয়েছি এবং পরীক্ষা করতে পারেন কোন অসুবিধা ব্যবহার করে -test।
যাইহোক, সুইচ থেকে প্রতি ডেটা সেট দ্বারা অবহিত করা হয় যার উপর আমি অনুমানটি পরীক্ষা করতে চাই। অন্তর্নিহিত মডেলটির পরিবর্তনের জন্য এটি প্রাক্কলনকারী বিতরণকে শর্তসাপেক্ষে তৈরি করে (এবং এইভাবে অনুমানও করে) যা পর্যবেক্ষণ করা তথ্যের কারণে। স্পষ্টতই, এই জাতীয় কন্ডিশনার প্রবর্তন সন্তোষজনক নয়।
কোন ভাল উপায় আছে? (যদি ঘনঘনবাদী না হয় তবে সম্ভবত কিছু বায়েশিয়ান বিকল্প আছে?)