রিপোর্ট করার জন্য উল্লেখযোগ্য সংখ্যাগুলির সংখ্যা

মোটামুটি মানসম্পন্ন - এমন পরিস্থিতিতে কলেজের প্রথম বর্ষের ক্লাসে কোনও গড় বা আত্মবিশ্বাসের ব্যবধানের জন্য রিপোর্ট করার জন্য উল্লেখযোগ্য অঙ্কের সংখ্যা নির্ধারণের আরও বৈজ্ঞানিক উপায় আছে কি?

আমি একটি টেবিলে রাখার জন্য উল্লেখযোগ্য পরিসংখ্যানের সংখ্যা দেখেছি , আমরা চি চি স্কোয়ার ফিটে উল্লেখযোগ্য সংখ্যা এবং উল্লেখযোগ্য পরিসংখ্যান কেন ব্যবহার করি না , তবে এগুলি সমস্যার দিকে আঙুল তোলে না বলে মনে হয়।

আমার ক্লাসে আমি আমার শিক্ষার্থীদের বোঝানোর চেষ্টা করি যে তাদের ফলাফলগুলিতে এত বিস্তৃত মানক ত্রুটি থাকলে 15 টি উল্লেখযোগ্য অঙ্কের প্রতিবেদন করা কালিহীন অপচয় - আমার অন্ত্রের অনুভূতিটি ছিল যে এটি প্রায় কোথাও ক্রমযুক্ত হওয়া উচিত should । এই দ্বারা বলা হয় থেকে খুব ভিন্ন নয় এএসটিএম - রিপোর্টিং পরীক্ষার ফলাফল E29 উল্লেখ তারা কোথায় বলে মধ্যবর্তী হওয়া উচিত এবং । $0.25\sigma$ $0.05\sigma$ $0.5\sigma$

সম্পাদনা করুন:

যখন আমার xনীচের মতো সংখ্যার সেট রয়েছে তখন গড় এবং মানক বিচ্যুতিটি মুদ্রণের জন্য আমার কতগুলি সংখ্যা ব্যবহার করা উচিত?

set.seed(123)
x <- rnorm(30) # default mean=0, sd=1
# R defaults to 7 digits of precision options(digits=7)
mean(x) # -0.04710376 - not far off theoretical 0
sd(x) # 0.9810307 - not far from theoretical 1
sd(x)/sqrt(length(x)) # standard error of mean 0.1791109

প্রশ্ন: এর মধ্যে গড় এবং মান বিচ্যুতির জন্য নির্ভুলতাটি কী (কখন ডাবল স্পষ্টিকান সংখ্যার ভেক্টর রয়েছে) বিশদটি দিয়ে বানান এবং একটি সাধারণ আর শিক্ষাগত ফাংশন লিখুন যা উল্লেখযোগ্য সংখ্যার অঙ্কের গড় এবং মান বিচ্যুতিটি মুদ্রণ করবে ভেক্টর প্রতিফলিত হয় x।

— শন
সূত্র

আমি বুঝতে পারি না "টেবিলে রাখার জন্য উল্লেখযোগ্য পরিসংখ্যানের সংখ্যা" কেন আপনার প্রশ্নকে পুরোপুরি সম্বোধন করে না: এই প্রশ্নটি কোন বিষয়টি মিস করে?

— শুক্র

এই প্রশ্নটির জন্য আপনার উত্তরটি @ শুভ আমি পছন্দ করি তবে আমি আরও কিছুটা বিস্তারিত চাই।

— শান

তবে বিস্তারিত কী? যে কোনও ইভেন্টে, এটি শোনাচ্ছে যে আপনার প্রশ্নটি সত্যই এটির একটি সঠিক সদৃশ এবং এর উত্তরগুলির উন্নতি দেখতে আপনি যা চান তা চাই । আমি কি সঠিক? বিটিডাব্লু, আপনি যদি শিক্ষামূলক দিকনির্দেশনা খুঁজছেন, আমি আপনাকে ভিজোগ্রাফিক স্থানাঙ্কের বিষয়ে gis.stackexchange.com/questions/8650 এ পোস্ট করা একটি (বিশেষায়িত) উদাহরণের দিকে ইঙ্গিত করতে চাই : ধারণাটি উল্লেখযোগ্য সংখ্যার সাথে সংযুক্ত করার আছে যার আকারের বেশিরভাগ পাঠক তাত্ক্ষণিকভাবে এবং স্বজ্ঞাতভাবে উপলব্ধি করতে পারে এমন অবজেক্টগুলির সাথে অঙ্কগুলি। একই অ্যাপ্লিকেশন অন্যান্য অ্যাপ্লিকেশন ভাল কাজ করতে পারে।

— হোবার

@ হু হ্যাঁ আপনি সঠিক, এবং আমি উদাহরণটি পছন্দ করি। আমি মনে করি যে প্রমিততা বিচ্যুতির সাথে যথার্থতা কীভাবে সম্পর্কিত সে সম্পর্কে আরও বিশদ অনুসন্ধান করছি। আরে, x <- rnorm (30) এ যেমন; (x) এর মানে; এসডি (এক্স) # এখানে স্পষ্টভাবে এসডি প্রায় 1 কিন্তু আর এ গড়টি 7 ডিগ্রিটি দিয়ে নির্ভুলভাবে ডিফল্টভাবে মুদ্রিত হয়। এসডি (এক্স) / 30 প্রায় 0.18। ধন্যবাদ

— শান

ইন R(সেইসাথে প্রায় সব সফটওয়্যার) মুদ্রণ একটি বিশ্বব্যাপী মান দ্বারা নিয়ন্ত্রিত হয় (দেখুন options(digits=...)), স্পষ্টতা কোন বিবেচনার দ্বারা নয়।

— whuber

উত্তর:

পরিমাপে অনিশ্চয়তার গাইড (জিইএম) সুপারিশ করে যে অনিশ্চয়তাটি 2 টির বেশি সংখ্যার সাথে রিপোর্ট করা উচিত নয় এবং ফলাফলটিকে অনিশ্চয়তার সাথে সামঞ্জস্য করার জন্য প্রয়োজনীয় উল্লেখযোগ্য সংখ্যার সংখ্যার সাথে রিপোর্ট করা উচিত। নীচে বিভাগ 7.2.2 দেখুন

http://www.bipm.org/utils/common/documents/jcgm/JCGM_100_2008_E.pdf

নিম্নলিখিত কোডটি আর-নোয়ে এই প্রস্তাবটি বাস্তবায়নের জন্য আমার প্রয়াস ছিল যে আর তা উল্লেখযোগ্য হলেও, আউটপুটটিতে অনুদানের শূন্যগুলি বজায় রাখার প্রয়াসে আর সহযোগিতা করতে পারে না।

gumr <- function(x.n,x.u) {
  z2 <- trunc(log10(x.u))+1
  z1 <- round(x.u/(10^z2),2)
  y1 <- round(x.n*10^(-z2),2)
  list(value=y1*10^z2,uncert=z1*10^z2)
}

x.val <- 8165.666
x.unc <- 338.9741
gumr(x.val,x.unc)

— টম
সূত্র

সম্পূর্ণতার জন্য:> gumr(x.val,x.unc) $value [1] 8170 $uncert [1] 340

— rhombidodecahedron

@ রম্ববিডোডেকাহেড্রনের এখানে অনিশ্চয়তার কেবল একটি উল্লেখযোগ্য ব্যক্তিত্ব থাকা উচিত নয় ? 82 ± 3 (× 10²)

— jfs

@jfs সুপারিশটি অনিশ্চয়তায় দুটি উল্লেখযোগ্য পরিসংখ্যান ব্যবহার করার কথা বলে, তাই না?

— rhombidodecahedron

@ রম্ববিডেহেড্রন উত্তরটি বলে যে "২ এর বেশি নয়" জিএমএম- এর মানদণ্ডগুলি আমার পক্ষে অস্পষ্ট। Arxiv.org/pdf/1301.1034.pdf থেকে সারণী 3টি 7 টিরও কম পরিমাপের জন্য প্রতিবেদন করতে 1 উল্লেখযোগ্য অঙ্কের পরামর্শ দেয়।

— jfs

উদাহরণ কোড প্রস্তাবিত জিএমএম বিধি অনুসরণ করে না। যদি val = 8165.666এবং unc = 338.9741, পরিমাপ যেমন রিপোর্ট করা উচিত val = 8.17(34)*10^3(না val = 8170সঙ্গে unc = 340হিসেবে দেওয়া), স্পষ্ট করতে চাই যে অনিশ্চয়তার শুধুমাত্র দুটি সংখ্যা গুরুত্বপূর্ণ।

— ডাইভনেেক্স

যদি আপনি আত্মবিশ্বাসের ব্যবধানের পাশাপাশি পরিসংখ্যানের মানও দেখান, তবে আপনার ইচ্ছামতো তাত্পর্যপূর্ণ পরিসংখ্যান দেওয়ার ক্ষেত্রে কোনও সমস্যা নেই, কারণ সেই ক্ষেত্রে একটি বৃহত সংখ্যক উল্লেখযোগ্য পরিসংখ্যান আত্মবিশ্বাসের ব্যবধান যেমন দেয় তেমনি জাঁকজমক নির্ভুলতা বোঝায় না সম্ভবত প্রকৃত নির্ভুলতার একটি ইঙ্গিত (একটি বিশ্বাসযোগ্য ব্যবধান ভাল হবে)। এটি তখন মূলত টেবিলটি ঝরঝরে, সংক্ষিপ্ত এবং পাঠযোগ্য করে তোলার বিষয়, তাই মূলত কোনও সাধারণ নিয়ম হওয়ার সম্ভাবনা নেই যা সমস্ত অনুষ্ঠানের জন্য উপযুক্ত।

প্রতিরক্ষামূলকতা বৈজ্ঞানিক গবেষণায় গুরুত্বপূর্ণ, সুতরাং আদর্শিকভাবে কোনও সংখ্যক সিগিনিফ্যাক্যান্ট চিত্রের ফলাফলগুলি পুনরুত্পাদন করা সম্ভব হওয়া উচিত (তারা ব্যবহারিক তাত্পর্যপূর্ণ কিনা বা না থাকুক)। অল্প সংখ্যক উল্লেখযোগ্য পরিসংখ্যানকে গোল করা কোনও গবেষণার প্রতিরূপের প্রতি আস্থা হ্রাস করতে পারে কারণ ফলাফলগুলির বৃত্তাকার দ্বারা ত্রুটিগুলি মুখোশযুক্ত করা যেতে পারে, তাই কিছু পরিস্থিতিতে গোল করার পক্ষে সম্ভাব্য অবক্ষয় রয়েছে।

খুব বেশি দূরে না যাওয়ার আরেকটি কারণ হ'ল অন্যদের পক্ষে এটি অধ্যয়ন না করে আপনার অধ্যয়নকে প্রসারিত করা অসম্ভব করে তুলতে পারে। উদাহরণস্বরূপ আমি একটি কাগজ প্রকাশ করতে পারি যা ফ্রেডম্যান পরীক্ষার সাহায্যে বিভিন্ন মেশিন লার্নিং অ্যালগরিদমগুলির সাথে তুলনা করে, যা বেঞ্চমার্ক ডেটাসেটের একটি সেটে বিভিন্ন অ্যালগরিদমের র‌্যাঙ্কিংয়ের উপর নির্ভর করে। যদি প্রতিটি ডেটাসেটে পৃথক শ্রেণিবদ্ধের জন্য পরিসংখ্যানগুলি তাদের মানক ত্রুটির উপর নির্ভর করে উল্লেখযোগ্য সংখ্যক ব্যক্তিকে দেওয়া হয় তবে এটি নিঃসন্দেহে র‌্যাঙ্কিংয়ে অনেকগুলি আপাত সম্পর্ক তৈরি করবে। এর অর্থ হ'ল (i) কাগজের পাঠক / পর্যালোচক কাগজে প্রদত্ত ফলাফল থেকে ফ্রিডম্যান টেস্টের প্রতিলিপি তৈরি করতে অক্ষম হবে এবং (ii) অন্য কেউ বেঞ্চমার্কের ডেটাসেটগুলিতে তাদের অ্যালগরিদম মূল্যায়ন করতে এবং ফ্রিডম্যান ব্যবহার করতে অক্ষম হবে আমার অধ্যয়ন থেকে ফলাফলের প্রসঙ্গে এটি পরীক্ষার জন্য।

— ডিকরান মার্সুপিয়াল
সূত্র

অবশ্যই কোনও সিদ্ধান্ত, উদ্দেশ্যমূলক বা বিষয়গতভাবে করা, আপনি কী পরিমাপ করছেন তার উপর নির্ভর করে এবং আপনার পরিমাপের যন্ত্রটি কতটা নির্ভুল। পরবর্তীটি পর্যবেক্ষিত পরিবর্তনের মাত্র একটি অংশ এবং এটি সনাক্ত করা বা এর পক্ষে বিদ্যমান প্রমাণগুলি খুঁজে পাওয়া সবসময় সহজ নয়। সুতরাং আমি দৃ strongly়ভাবে সন্দেহ করি যে এর কোন উদ্দেশ্য, সর্বজনীন-প্রয়োগযোগ্য সিদ্ধান্ত নেই। আপনাকে কেবল আপনার মস্তিষ্ক ব্যবহার করতে হবে এবং প্রতিটি পরিস্থিতিতে সেরা রায় দিতে হবে।

— ডিএল ডাহলি
সূত্র