এটি এমন একটি শব্দ যা বিশেষতঃ অভিজ্ঞতাবাদী বয়েস (ইবি) থেকে এসেছে, বাস্তবে যে ধারণাটি বোঝায় তা সত্য বায়েশীয় অনুমানের মধ্যে নেই। মূল শব্দটি ছিল "orrowণ গ্রহণের শক্তি", যা জন টুকি ১৯ back০ এর দশকে ফিরে এসেছিলেন এবং ব্রাডলি এফ্রন এবং কার্ল মরিস ১৯ further০ এবং ১৯ 1980০-এর দশকে স্টেইনের প্যারাডক্স এবং প্যারামেট্রিক ইবি সম্পর্কিত একটি পরিসংখ্যানিক নিবন্ধে আরও জনপ্রিয় করেছিলেন। এখন অনেক লোক একই ধারণার প্রতিশব্দ হিসাবে "তথ্য orrowণ গ্রহণ" বা "তথ্য ভাগ করে নেওয়ার" ব্যবহার করে। মিশ্র মডেলগুলির প্রসঙ্গে আপনি এটি শুনতে পাবার কারণটি হ'ল মিশ্র মডেলগুলির সর্বাধিক সাধারণ বিশ্লেষণগুলির একটি EB ব্যাখ্যা রয়েছে।
ইবির অনেকগুলি অ্যাপ্লিকেশন রয়েছে এবং এটি অনেকগুলি পরিসংখ্যানের মডেলগুলিতে প্রযোজ্য, তবে প্রসঙ্গে সবসময় প্রসঙ্গটি হ'ল আপনার প্রচুর সংখ্যক (সম্ভবত স্বতন্ত্র) কেস রয়েছে এবং আপনি প্রতিটি ক্ষেত্রে একটি নির্দিষ্ট পরামিতি (যেমন গড় বা ভেরিয়েন্স) অনুমান করার চেষ্টা করছেন। বায়েশিয়ান অনুমানের ক্ষেত্রে, আপনি প্রতিটি ক্ষেত্রে পর্যবেক্ষণ করা ডেটা এবং সেই পরামিতরের পূর্ববর্তী বিতরণ উভয়ের উপর ভিত্তি করে প্যারামিটার সম্পর্কে উত্তরোত্তর সূচনা করেন। EB অনুমানের মধ্যে প্যারামিটারের পূর্বের বিতরণটি ডেটা কেসের পুরো সংগ্রহ থেকে অনুমান করা হয়, যার পরে বায়েসীয় অনুমান হিসাবে অনুমান এগিয়ে যায়। সুতরাং, যখন আপনি নির্দিষ্ট কেসের জন্য প্যারামিটারটি অনুমান করেন, আপনি সেই মামলার ডেটা এবং আনুমানিক পূর্বে বিতরণ উভয়ই ব্যবহার করেন এবং পরবর্তীটি "তথ্য" বা "শক্তি" উপস্থাপন করে
এখন আপনি দেখতে পাচ্ছেন যে ইবি "bণ" নিয়েছে তবে সত্য বায়েস তা দেয় না। সত্য বায়েসে, পূর্ব বিতরণ ইতিমধ্যে বিদ্যমান এবং তাই ভিক্ষা বা ধার করা প্রয়োজন হয় না। ইবিতে, পূর্ববর্তী বিতরণটি পর্যবেক্ষণ করা ডেটা থেকেই তৈরি করা হয়েছে। যখন আমরা কোনও বিশেষ কেস সম্পর্কে অনুমান করি তখন আমরা সেই কেস থেকে সমস্ত পর্যবেক্ষণ করা তথ্য এবং অন্যান্য ক্ষেত্রে প্রতিটি থেকে কিছুটা তথ্য ব্যবহার করি। আমরা বলি এটি কেবল "ধার করা", কারণ আমরা পরবর্তী কেসটি সম্পর্কে সুনির্দিষ্টভাবে অগ্রসর হওয়ার সময় তথ্যটি ফেরত দেওয়া হয়।
ইবি এবং "তথ্য orrowণ গ্রহণ" ধারণাটি পরিসংখ্যানগত জিনোমিক্সে প্রচুর পরিমাণে ব্যবহৃত হয়, যখন প্রতিটি "কেস" সাধারণত একটি জিন বা জিনোমিক বৈশিষ্ট্য হয় (স্মিথ, 2004; পিপসন এট আল, 2016)।
তথ্যসূত্র
ইফ্রন, ব্র্যাডলি এবং কার্ল মরিস। পরিসংখ্যানে স্টেইনের প্যারাডক্স x বৈজ্ঞানিক আমেরিকান 236, না। 5 (1977): 119-127। http://statweb.stanford.edu/~ckirby/brad/other/Article1977.pdf
স্মিথ, জিকে (2004)। মাইক্রোয়ারে পরীক্ষায় ডিফারেনশিয়াল এক্সপ্রেশন মূল্যায়নের জন্য লিনিয়ার মডেল এবং অভিজ্ঞতামূলক বেইস পদ্ধতি। জেনেটিক্স এবং মলিকুলার বায়োলজি খণ্ড 3, সংখ্যা 1, অনুচ্ছেদ 3 - এ
পরিসংখ্যানীয় অ্যাপ্লিকেশনগুলি http://www.statsci.org/smyth/pubs/ebayes.pdf
পিপসন, বি, লি, এস, মাজেউস্কি, আইজে, আলেকজান্ডার, ডাব্লুএস, এবং স্মিথ, জিকে (২০১))। শক্তিশালী হাইপারপ্যারামিটার অনুমান হাইপার্ভেরিবেল জিনের বিরুদ্ধে রক্ষা করে এবং ডিফারেনশিয়াল এক্সপ্রেশন সনাক্ত করার শক্তি উন্নত করে। ফলিত পরিসংখ্যান 10 এর তালিকাভুক্ত, 946-963।
http://dx.doi.org/10.1214/16-AOAS920