আমি বোঝাতে চাইছি এর কয়েকটি পরিবর্তনশীল একে অপরের মধ্যে দৃ strongly়ভাবে সম্পর্কিত। কীভাবে / কেন / কোন প্রসঙ্গে আমরা এগুলিকে স্বতন্ত্র ভেরিয়েবল হিসাবে সংজ্ঞায়িত করি ?
আমি বোঝাতে চাইছি এর কয়েকটি পরিবর্তনশীল একে অপরের মধ্যে দৃ strongly়ভাবে সম্পর্কিত। কীভাবে / কেন / কোন প্রসঙ্গে আমরা এগুলিকে স্বতন্ত্র ভেরিয়েবল হিসাবে সংজ্ঞায়িত করি ?
উত্তর:
যদি আমরা আজকে মেশিন লার্নিংয়ের উপর জোর দেওয়া থেকে বিরত থাকি এবং নিয়ন্ত্রিত পরীক্ষামূলক গবেষণার জন্য পরিসংখ্যানগত বিশ্লেষণের কতটা বিকাশ ঘটে তা স্মরণ করি, "স্বতন্ত্র ভেরিয়েবল" বাক্যাংশটি একটি ভাল ধারণা দেয়।
নিয়ন্ত্রিত পরীক্ষামূলক গবেষণায়, ড্রাগ ও তার ঘনত্বের পছন্দগুলি, বা একর প্রতি সার এবং তার পরিমাণের পছন্দগুলি তদন্তকারী স্বাধীনভাবে তৈরি করে made আগ্রহটি কীভাবে আগ্রহের প্রতিক্রিয়ার পরিবর্তনশীল (যেমন রক্তচাপ, শস্যের ফলন) এই পরীক্ষামূলক কৌশলগুলির উপর নির্ভর করে। আদর্শভাবে, স্বাধীন ভেরিয়েবলের বৈশিষ্ট্যগুলি দৃly়ভাবে নির্দিষ্ট করা হয়, মূলত তাদের মানগুলি জানার ক্ষেত্রে কোনও ত্রুটি নেই। তারপরে স্ট্যান্ডার্ড লিনিয়ার রিগ্রেশন উদাহরণস্বরূপ, নির্ভরশীল ভেরিয়েবলের মানগুলির মধ্যে পার্থক্যকে স্বাধীন ভেরিয়েবলের মান এবং অবশিষ্টাংশের ত্রুটির ক্ষেত্রে মডেল করে।
নিয়ন্ত্রিত পরীক্ষামূলক গবেষণার প্রসঙ্গে রিগ্রেশনের জন্য একই গাণিতিক আনুষ্ঠানিকতাও পরীক্ষামূলকভাবে ব্যবহারযোগ্য হেরফেরের সাথে পর্যবেক্ষণ করা ডেটা সেটগুলির বিশ্লেষণে প্রয়োগ করা যেতে পারে, সুতরাং "স্বতন্ত্র ভেরিয়েবল" শব্দটি এই জাতীয় ধরণের ক্ষেত্রে বহন করেছে এটি অবাক হওয়ার মতো বিষয় নয় not স্টাডিজ। তবে এই পৃষ্ঠার অন্যরা যেমন নোট করেছেন, সম্ভবত এটি একটি দুর্ভাগ্যজনক পছন্দ, এই জাতীয় প্রসঙ্গে "ভবিষ্যদ্বাণীকারী" বা "বৈশিষ্ট্যগুলি" আরও উপযুক্ত with
বিভিন্ন উপায়ে, "স্বতন্ত্র পরিবর্তনশীল" একটি দুর্ভাগ্যজনক পছন্দ। ভেরিয়েবলগুলি একে অপরের সাথে স্বাধীন হতে হবে না এবং অবশ্যই নির্ভরশীল ভেরিয়েবল এর থেকে পৃথক হওয়া দরকার না । শিক্ষণে এবং আমার বইয়ের রেগ্রেশন মডেলিং কৌশলসমূহে আমি ভবিষ্যদ্বাণীকারী শব্দটি ব্যবহার করি । কিছু পরিস্থিতিতে এই শব্দটি যথেষ্ট শক্তিশালী নয়, তবে এটি গড়ে ভালভাবে কাজ করে। পরিসংখ্যানের মডেলটিতে (ডান হাতের) ভেরিয়েবলগুলির ভূমিকার সম্পূর্ণ বিবরণ প্রতিটি সময় ব্যবহারের জন্য খুব দীর্ঘ হতে পারে: ভেরিয়েবল বা পরিমাপের সেট যা বিতরণ শর্তযুক্ত। এটি ভেরিয়েবলগুলির সেট বলার আর একটি উপায় যাঁর বিতরণে আমরা বর্তমানে আগ্রহী নই, তবে যার মানগুলি আমরা ধ্রুবক হিসাবে বিবেচনা করি।X Y
আমি এখানে অন্যান্য উত্তরগুলির সাথে একমত যে "স্বতন্ত্র" এবং "নির্ভরশীল" দুর্বল পরিভাষা। এডিএম যেমন ব্যাখ্যা করেছেন, এই পরিভাষাটি নিয়ন্ত্রিত পরীক্ষাগুলির প্রসঙ্গে উদ্ভূত হয়েছিল যেখানে গবেষক একে অপরের থেকে রেজিস্ট্রারকে স্বাধীনভাবে সেট করতে পারেন। অনেকগুলি পছন্দনীয় শর্ত রয়েছে যেগুলির এই বোঝা কার্যকারণের অর্থ নেই, এবং আমার অভিজ্ঞতায় পরিসংখ্যানবিদরা আরও নিরপেক্ষ শর্তগুলি পছন্দ করেন। এখানে আরও অনেক শর্তাদি ব্যবহৃত হয়েছে:
ব্যক্তিগতভাবে আমি ব্যাখ্যামূলক পরিবর্তনশীল এবং প্রতিক্রিয়ার পরিবর্তনশীল পদগুলি ব্যবহার করি, কারণ এই শর্তগুলির পরিসংখ্যানগত স্বাধীনতা বা নিয়ন্ত্রণের কোনও অর্থ নেই etc. (কেউ যুক্তি দিতে পারে যে 'প্রতিক্রিয়া'র কার্যকারণিক ধারণা রয়েছে, তবে এটি যথেষ্ট দুর্বল অর্থ), তাই আমি এটি সমস্যাযুক্ত হিসাবে পাওয়া যায় নি।)
ফ্র্যাঙ্ক হ্যারেল এবং পিটার ফ্লমের উত্তরগুলিতে যুক্ত করতে:
আমি সম্মত হই যে একটি পরিবর্তনশীল "স্বতন্ত্র" বা "নির্ভরশীল" বলা প্রায়শই বিভ্রান্তিকর হয়। তবে কিছু লোক এখনও তা করে। আমি একবার উত্তর শুনেছি কেন:
রিগ্রেশন বিশ্লেষণ আমরা একটি "বিশেষ" পরিবর্তনশীল (সাধারণত দ্বারা প্রকাশ আছে ) এবং অনেক "না তাই বিশেষ" ভেরিয়েবল ( 'গুলি) এবং আমরা দেখতে কিভাবে পরিবর্তন চান গুলি প্রভাবিত' । অন্য কথায়, আমরা দেখতে চাই যে কীভাবে এর উপর নির্ভর করে ।X X Y Y X
এজন্য "নির্ভরশীল" বলা হয়। এবং যদি একজনকে "নির্ভরশীল" বলা হয় তবে আপনি অন্য একজনকে কীভাবে ডাকবেন?
"নির্ভরশীল" এবং "স্বতন্ত্র" বিভ্রান্তিকর শব্দ হতে পারে। একটি ইন্দ্রিয়টি সিউডো-কার্যকারণ বা এমনকি কার্যকারণ এবং এটিই "স্বাধীন ভেরিয়েবল" এবং "নির্ভরশীল ভেরিয়েবল" বলার সময় বোঝানো হয়। আমাদের অর্থ ডিভি, কোনও অর্থে, চতুর্থের উপর নির্ভর করে। সুতরাং, উদাহরণস্বরূপ, প্রাপ্তবয়স্ক মানুষের উচ্চতা এবং ওজনের সম্পর্কের মডেলিং করার সময়, আমরা বলি ওজন হল ডিভি এবং উচ্চতা আইভি হয় V
এটি এমন কিছু ক্যাপচার করে যা "ভবিষ্যদ্বাণীকারী" না করে - যথা সম্পর্কের দিকনির্দেশনা। উচ্চতা ওজনের পূর্বাভাস দেয় তবে ওজনও উচ্চতার পূর্বাভাস দেয়। এটি হ'ল, যদি আপনাকে লোকজনের উচ্চতা অনুমান করতে বলা হয় এবং তাদের ওজনকে বলা হয়, এটি কার্যকর হবে।
তবে আমরা বলব না যে উচ্চতা ওজনের উপর নির্ভর করে।
উপরের উত্তরের উপর ভিত্তি করে, হ্যাঁ, আমি সম্মত হই যে এই নির্ভরশীল এবং স্বতন্ত্র পরিবর্তনশীল দুর্বল পরিভাষা। তবে আমি যে প্রসঙ্গে এটি আমাদের অনেকের দ্বারা ব্যবহৃত হচ্ছে তা ব্যাখ্যা করতে পারি। আপনি বলছেন যে একটি সাধারণ রিগ্রেশন সমস্যার জন্য আমাদের একটি আউটপুট ভেরিয়েবল রয়েছে, ওয়াই বলুন, যার মান অন্যান্য ইনপুট ভেরিয়েবলগুলির উপর নির্ভর করে, বলুন এক্স 1, এক্স 2, এক্স 3। এজন্য এটিকে "নির্ভরশীল পরিবর্তনশীল" বলা হয়। এবং একইভাবে কেবলমাত্র এই প্রসঙ্গের উপর নির্ভর করে এবং কেবল আউটপুট এবং ইনপুট ভেরিয়েবলের মধ্যে পার্থক্য রাখতে, x1, x2, x3 কে স্বাধীন পরিবর্তনশীল হিসাবে আখ্যায়িত করা হয়। কারণ ওয়াইয়ের বিপরীতে এটি অন্য কোনও পরিবর্তনশীলের উপর নির্ভর করে না (তবে হ্যাঁ আমরা এখানে তাদের সাথে নির্ভরতা সম্পর্কে কথা বলছি না।)
স্বতন্ত্র ভেরিয়েবলগুলি স্বাধীন বলা হয় কারণ তারা অন্যান্য ভেরিয়েবলগুলির উপর নির্ভর করে না। উদাহরণস্বরূপ, বাড়ির দামের পূর্বাভাসের সমস্যাটি বিবেচনা করুন। ধরুন আমাদের কাছে বাড়ির আকার, অবস্থান এবং বাড়ির_প্রেসের ডেটা রয়েছে। এখানে, বাড়ির_রূপটি বাড়ির আকার এবং অবস্থানের ভিত্তিতে নির্ধারিত হয় তবে অবস্থান এবং বাড়ির_সাইজ বিভিন্ন বাড়ির জন্য পরিবর্তিত হতে পারে।