সম্ভাবনা ফাংশন পিডিএফ (সম্ভাব্যতা ঘনত্ব ফাংশন) না হওয়ার কারণ কী?
সম্ভাবনা ফাংশন পিডিএফ (সম্ভাব্যতা ঘনত্ব ফাংশন) না হওয়ার কারণ কী?
উত্তর:
আমরা দুটি সংজ্ঞা দিয়ে শুরু করব:
একটি সম্ভাব্য ঘনত্ব ফাংশন (পিডিএফ) একটি অ-নেতিবাচক ফাংশন যা সংহত করে ।
প্যারামিটারের ক্রিয়া হিসাবে পর্যবেক্ষণ করা ডেটার যৌথ ঘনত্ব হিসাবে সম্ভাবনাটি সংজ্ঞায়িত করা হয়। তবে, নীচে একটি মন্তব্যে @ শুভর দ্বারা তৈরি লেহম্যানের রেফারেন্স অনুসারে যেমন নির্দেশিত হয়েছে, সম্ভাব্যতা ফাংশনটি কেবলমাত্র প্যারামিটারের একটি ফাংশন, নির্দিষ্ট স্থির হিসাবে রাখা ডেটা সহ the সুতরাং এটি যে তথ্য একটি ফাংশন হিসাবে এটি একটি ঘনত্ব অপ্রাসঙ্গিক।
সুতরাং, সম্ভাবনা ফাংশনটি পিডিএফ নয় কারণ প্যারামিটারের সাথে এর অবিচ্ছেদ্য অগত্যা 1 এর সমান হয় না (এবং এটি কোনওভাবেই সংহত হতে পারে না, আসলে @Whuber এর অন্য মন্তব্যে উল্লেখ করা হয়েছে)।
এটি দেখতে, আমরা একটি সাধারণ উদাহরণ ব্যবহার করব। ধরুন আপনি একটি একক পর্যবেক্ষণ, আছে , একটি থেকে বন্টন। তাহলে সম্ভাবনা ফাংশন হয়
এটি একটি সত্য যে । বিশেষত, যদি , তবে , তাই
হলে একই ধরণের গণনা প্রযোজ্য । সুতরাং, একটি ঘনত্বের ফাংশন হতে পারে না।
সম্ভবত আরও বেশি এই প্রযুক্তিগত দেখাচ্ছে কেন সম্ভাবনা একটি সম্ভাব্যতা ঘনত্ব থেকে দেখান যে নয় উদাহরণস্বরূপ চেয়ে গুরুত্বপূর্ণ সম্ভাবনা নেই না সঠিক হচ্ছে প্যারামিটার মান সম্ভাবনা বা ওই জাতীয় কিছু - এটা সম্ভাব্যতা (ঘনত্ব) হল ডেটার পরামিতি মান দেওয়া , যা সম্পূর্ণ ভিন্ন জিনিস। অতএব সম্ভাব্যতার ঘনত্বের মতো আচরণ করার সম্ভাবনা কার্যটি আশা করা উচিত নয়।
ঠিক আছে কিন্তু সম্ভাবনা ফাংশন প্যারামিটার দেওয়া পরিলক্ষিত ডেটার জন্য যৌথ সম্ভাব্যতা ঘনত্ব হয় । এটি একটি সম্ভাব্যতা ঘনত্ব ফাংশন গঠন স্বাভাবিক করা যেতে পারে। সুতরাং এটি মূলত পিডিএফের মতো।
আমি কোনও পরিসংখ্যানবিদ নই, তবে আমার বোধগম্যতা হ'ল সম্ভাবনা কার্যটি প্যারামিটার (গুলি) এর সাথে সম্মত পিডিএফ না হলেও এটি সরাসরি বেয়েস রুলের পিডিএফ সম্পর্কিত। সম্ভাবনা ফাংশন, পি (এক্স | থেটা), এবং উত্তরোত্তর বিতরণ, চ (theta | এক্স), শক্তভাবে সংযুক্ত; মোটেও "সম্পূর্ণ আলাদা জিনিস" নয়।
সম্ভাবনাটিকে হিসাবে সংজ্ঞায়িত করা হয়েছে , যেখানে যদি f (x; θ) একটি সম্ভাব্য ভর ক্রিয়া হয় , তবে সম্ভাবনা সর্বদা একের চেয়ে কম থাকে তবে f (x; θ) যদি সম্ভাবনার ঘনত্বের ক্রিয়া হয় তবে সম্ভাবনাটি একের চেয়ে বেশি হতে পারে, যেহেতু ঘনত্বগুলি একের চেয়ে বেশি হতে পারে।
সাধারণত নমুনাগুলি iid হিসাবে চিকিত্সা করা হয়, তারপরে:
আসুন এর আসল রূপটি দেখুন:
বায়েশিয়ান অনুমান অনুসারে, ঝুলিতে, যে । লক্ষ্য করুন যে সর্বাধিক সম্ভাবনার প্রাক্কলন প্রমাণের অনুপাতটিকে পূর্বের তুলনায় ধ্রুবক হিসাবে বিবেচনা করে (এই প্রশ্নের উত্তর দেখুন ), যা পূর্বের বিশ্বাসকে বাদ দেয়। সম্ভাবনার উত্তরগুলির সাথে ইতিবাচক সম্পর্ক রয়েছে যা অনুমানিত পরামিতিগুলির উপর ভিত্তি করে। পিডিএফ হতে পারে তবে না হওয়ায় just কেবল of এর একটি অংশ যা অবিচ্ছেদ্য।
উদাহরণস্বরূপ, আমি কোনও গাউসির বিতরণের গড় এবং মানগত বৈচিত্র জানি না এবং সেই বিতরণ থেকে প্রচুর নমুনা ব্যবহার করে প্রশিক্ষণ নিয়ে সেগুলি পেতে চাই। আমি প্রথমে এলোমেলোভাবে গড় এবং মান পরিবর্তনের সূচনা করি (যা গাউসীয় বিতরণকে সংজ্ঞায়িত করে) এবং তারপরে আমি একটি নমুনা নিয়ে অনুমান করা বিতরণে ফিট করি এবং আনুমানিক বিতরণ থেকে আমি সম্ভাব্যতা পেতে পারি। তারপরে আমি নমুনাটি রেখেছি এবং অনেকগুলি সম্ভাব্যতা পেয়েছি এবং তারপরে আমি এই সম্ভাবনাগুলিকে বহুগুণ করে স্কোর পেয়েছি get এই ধরণের স্কোর সম্ভাবনা। এটি কোনও নির্দিষ্ট পিডিএফের সম্ভাবনা খুব কমই হতে পারে।