হাইপোথিসিস পরীক্ষাটি একটি শ্রেণিবিন্যাস সমস্যার অনুরূপ। সুতরাং বলুন, আমাদের কাছে একটি পর্যবেক্ষণ (বিষয়) - এর জন্য দুটি সম্ভাব্য লেবেল রয়েছে - গুনিটি বনাম অ-অপরাধী। অ-অপরাধীকে নাল হাইপোথেসিস হতে দিন। যদি আমরা কোনও শ্রেণিবদ্ধ দৃষ্টিভঙ্গি থেকে সমস্যাটি দেখি তবে আমরা একটি শ্রেণিবদ্ধ প্রশিক্ষণ দেব যা ডেটা প্রদত্ত, 2 টি শ্রেণীর প্রত্যেকের অন্তর্গত বিষয়টির সম্ভাবনা পূর্বাভাস দেবে। আমরা তখন সর্বোচ্চ সম্ভাবনা সহ ক্লাসটি বেছে নেব। সেক্ষেত্রে 0.5 সম্ভাবনা হ'ল প্রাকৃতিক প্রান্তিকতা। ফলস পজিটিভ বনাম ফলস নেতিবাচক ত্রুটিগুলিতে আমরা বিভিন্ন ব্যয় নির্ধারণের ক্ষেত্রে আমরা প্রান্তিকতা পরিবর্তিত করতে পারি। তবে খুব কমই আমরা ০.০৫-এ প্রান্তিকতা স্থাপনের মতো চূড়ান্তভাবে এগিয়ে যাব, অর্থাৎ সম্ভাবনা ০.৯৯ বা তার চেয়ে বেশি হলে কেবলমাত্র ক্লাস "গুনিটি" তে বিষয় নির্ধারণ করুন। তবে আমি যদি ভালভাবে বুঝতে পারি, হাইপোথেসিস পরীক্ষার সমস্যা হিসাবে একই সমস্যাটি আমরা যখন দেখি আমরা এটি একটি স্ট্যান্ডার্ড অনুশীলন হিসাবে করছি। এই পরবর্তী ক্ষেত্রে, আমরা "অ-অপরাধী" লেবেলটি "দোষী" হিসাবে নির্ধারণের জন্য প্রয়োজনীয় নয় - কেবল যদি "অ-দোষী" হওয়ার সম্ভাবনা 5% এর কম হয়। এবং সম্ভবত আমরা যদি নির্দোষ মানুষকে দোষী সাব্যস্ত করতে এড়াতে চাই তবে তা বোধগম্য হতে পারে। তবে কেন এই নিয়মটি সমস্ত ডোমেন এবং সমস্ত ক্ষেত্রে প্রাধান্য পাবে?
কোন হাইপোথিসিস গ্রহণ করবেন তা সিদ্ধান্ত নেওয়া তথ্য প্রদত্ত সত্যের একটি অনুমানের সংজ্ঞা দেওয়ার সমতুল্য। সর্বাধিক সম্ভাবনা অনুমানের মধ্যে আমরা হাইপোথেসিসকে গ্রহণ করি যা সম্ভবত ডেটা প্রদত্ত হয় - অগত্যা অপ্রতিরোধ্যভাবে বেশি হওয়ার সম্ভাবনা নেই। নীচের গ্রাফটি দেখুন:
সর্বাধিক সম্ভাবনার পন্থা ব্যবহার করে আমরা এই উদাহরণে বিকল্প হাইপোথিসিসের পক্ষে থাকি যদি ভবিষ্যদ্বাণীকারীর মান 3 এর উপরে হয়, উদাহরণস্বরূপ 4, যদিও নাল হাইপোথেসিস থেকে প্রাপ্ত এই মানটির সম্ভাবনা 0.05 এর চেয়ে বড় হত।
এবং যদিও আমি উদাহরণটি দিয়ে পোস্টটি শুরু করেছি তা সম্ভবত আবেগগতভাবে চার্জ করা হয়েছে, আমরা অন্যান্য ক্ষেত্রে যেমন, প্রযুক্তিগত উন্নতি সম্পর্কে ভাবতে পারি। আমাদের কেন স্থিতাবস্থায় এমন সুবিধা দেওয়া উচিত যখন ডেটা আমাদের জানায় যে নতুন সমাধানটি উন্নতি হওয়ার সম্ভাবনাটি না হওয়ার সম্ভাবনার চেয়ে বেশি?