কর্ণিশ-ফিশার সম্প্রসারণ একটি বিতরণ মুহূর্ত উপর ভিত্তি করে quantiles অনুমান করার জন্য একটি উপায় প্রদান করে। (এই অর্থে, আমি এটিকে এজওয়ার্থ সম্প্রসারণের পরিপূরক হিসাবে দেখছি যা মুহুর্তের উপর ভিত্তি করে ক্রমবর্ধমান বন্টনের একটি প্রাক্কলন দেয়।) আমি জানতে চাই কোন পরিস্থিতিতে কোনটি পরম্পরাগত কাজের জন্য কর্নিশ-ফিশার সম্প্রসারণকে পছন্দ করবে? নমুনা কোয়ান্টাইল, বা তদ্বিপরীত। কয়েকটি অনুমান:
- গুণগতভাবে, নমুনা মুহুর্তগুলি অনলাইনে গণনা করা যায়, যেখানে নমুনা কোয়ান্টাইলগুলির অনলাইন অনুমান করা কঠিন। এই ক্ষেত্রে, সিএফ 'জিতল'।
- কারও কাছে মুহুর্তের পূর্বাভাস দেওয়ার ক্ষমতা থাকলে, সিএফ কোয়ান্টাইল অনুমানের জন্য একজনকে এই পূর্বাভাসের সুযোগ দিতে পারে।
- সিএফ এক্সপেনশন সম্ভবত পর্যবেক্ষণকৃত মানগুলির পরিসরের বাইরে কোয়ান্টাইলগুলির অনুমান দিতে পারে, যেখানে নমুনা কোয়ান্টাইল সম্ভবত হওয়া উচিত নয়।
- সিএফ দ্বারা প্রদত্ত কোয়ান্টাইল অনুমানের চারপাশে কীভাবে একটি আত্মবিশ্বাসের ব্যবধান গণনা করা যায় তা সম্পর্কে আমি অবগত নই এই ক্ষেত্রে, নমুনা কোয়ান্টাইল 'জিত'।
- দেখে মনে হচ্ছে সিএফ সম্প্রসারণের জন্য একটি বিতরণের একাধিক উচ্চতর মুহুর্তের অনুমান করা দরকার। এই অনুমানের ত্রুটিগুলি সম্ভবত এমনভাবে সংমিশ্রিত হয় যে সিএফ এক্সপেনশনের নমুনা কোয়ান্টাইলের তুলনায় উচ্চতর স্ট্যান্ডার্ড ত্রুটি থাকে।
অন্য কেউ? এই দুটি পদ্ধতি ব্যবহার করে কারও কি অভিজ্ঞতা আছে?
আজকাল, স্যাডলিপয়েন্টের সন্নিকটে যাওয়ার জন্য আরও ভাল ।
—
কেজেটিল বি হালওয়ারসেন