আপনি এই কথাটি সঠিক বলেছেন যে 95% আত্মবিশ্বাসের ব্যবধানগুলি এমন একটি জিনিস যা 95% ক্ষেত্রে কাজ করে এমন একটি পদ্ধতি ব্যবহারের ফলে ফলাফল হয় , কোনও ব্যক্তির অন্তর অন্তর্ধারিত প্রত্যাশিত মান থাকার 95% সম্ভাবনা থাকার চেয়ে।
"আত্মবিশ্বাসের সীমাবদ্ধতার যৌক্তিক ভিত্তি এবং ব্যাখ্যা, এখনও, এটি বিতর্কের বিষয়" " {ডেভিড কলকোউন, একাত্তর, বায়োস্টাটিস্টিক্সের উপর বক্তৃতা}
এই উদ্ধৃতিটি ১৯ 1971১ সালে প্রকাশিত একটি পরিসংখ্যান পাঠ্যপুস্তক থেকে নেওয়া হয়েছে, তবে আমি দাবি করব যে এটি ২০১০ সালে এখনও সত্য bin দ্বিপদী অনুপাতের জন্য আস্থার ব্যবধানের ক্ষেত্রে এই বিতর্কটি সম্ভবত সবচেয়ে চরম। এই আত্মবিশ্বাসের অন্তরগুলি গণনা করার জন্য অনেকগুলি প্রতিদ্বন্দ্বী পদ্ধতি রয়েছে তবে সেগুলি এক বা একাধিক ইন্দ্রিয়তে সমস্তই সঠিক এবং এমনকি সবচেয়ে খারাপ সম্পাদন পদ্ধতিতে পাঠ্যপুস্তক লেখকদের মধ্যে সমর্থন রয়েছে। এমনকি তথাকথিত 'নির্ভুল' অন্তরগুলি আত্মবিশ্বাসের ব্যবধানগুলির দ্বারা প্রত্যাশিত বৈশিষ্ট্য অর্জন করতে ব্যর্থ হয়।
সার্জনদের জন্য লিখিত একটি গবেষণাপত্রে (পরিসংখ্যানগুলিতে তাদের আগ্রহের জন্য ব্যাপকভাবে পরিচিত!) জন জন লুডব্রুক এবং আমি যুক্তিযুক্ত আত্মবিশ্বাসের ব্যবধানগুলির রুটিন ব্যবহারের পক্ষে যুক্তিযুক্ত বায়েশিয়ান আগে ব্যবহার করে বলেছিলাম যে এই ধরনের ব্যবধানগুলিতে অন্যান্য পদ্ধতি হিসাবে গড় হিসাবে ঘন ঘন ঘনত্ববাদী বৈশিষ্ট্য রয়েছে (গড়ে গড়ে সমস্ত সত্য অনুপাতের উপর ঠিক 95% কভারেজ) তবে, গুরুত্বপূর্ণভাবে, সমস্ত পর্যবেক্ষিত অনুপাতের তুলনায় অনেক ভাল কভারেজ (ঠিক 95% কভারেজ)। কাগজটি তার লক্ষ্যবস্তু দর্শকদের কারণে মারাত্মকভাবে বিশদ নয় এবং তাই এটি সমস্ত পরিসংখ্যানবিদকে বোঝাতে পারে না, তবে আমি ফলাফল এবং ন্যায়সঙ্গততার পুরো সেট সহ একটি ফলোআপ পেপারে কাজ করছি।
এটি এমন একটি ক্ষেত্রে যেখানে বায়েশিয়ান পদ্ধতির ঘন ঘন ঘন ঘনত্ববাদী বৈশিষ্ট্য যেমন ভাল থাকে তবে এটি প্রায়শই ঘটে। পূর্ববর্তী ইউনিফর্মের ধারণাটি সমস্যাযুক্ত নয় কারণ জনসংখ্যার অনুপাতের অভিন্ন বন্টন ঘন ঘনবাদী কভারেজের প্রতিটি গণনার মধ্যে নির্মিত যা আমি পেরিয়ে এসেছি।
আপনি জিজ্ঞাসা করেছেন: "কিছুটা হলেও আত্মবিশ্বাসের অন্তর দেখার জন্য কী উপায় রয়েছে যা পরিসংখ্যান ব্যবহারকারীদের জন্য অর্থবহ হবে?" আমার উত্তর, তাহলে, দ্বি-দ্বিবিশ্বের আত্মবিশ্বাসের ব্যবধানগুলির জন্য যে কোনও ব্যবধান পাওয়া যায় যা সমস্ত পর্যবেক্ষণের অনুপাতের জন্য জনসংখ্যার অনুপাতের ঠিক 95% সময় ধারণ করে। এটি হ্যাঁ তবে, আত্মবিশ্বাসের ব্যবধানগুলির প্রচলিত ব্যবহার সমস্ত জনসংখ্যার অনুপাতের জন্য কভারেজ প্রত্যাশা করে এবং এর জন্য উত্তরটি "না!"
আপনার প্রশ্নের উত্তরের দৈর্ঘ্য এবং তাদের বিভিন্ন প্রতিক্রিয়ার পরামর্শ দেয় যে আত্মবিশ্বাসের ব্যবধানগুলি ব্যাপকভাবে ভুল বোঝে tood আমরা যদি সমস্ত নমুনা মানগুলির জন্য সত্য পরামিতি মানগুলির কভারেজ থেকে সত্য প্যারামিটার মানের কভারেজে পরিবর্তন করি তবে এটি আরও সহজ হতে পারে কারণ বিরতিগুলি তখন কার্য সম্পাদনের পরিবর্তে পর্যবেক্ষণকৃত মানগুলির সাথে সরাসরি প্রাসঙ্গিক আকার ধারণ করবে the পদ্ধতি প্রতি সে।
