একটি অনুমানকারী এবং একটি পরিসংখ্যান মধ্যে পার্থক্য কি?


30

আমি শিখেছি যে একটি পরিসংখ্যান একটি বৈশিষ্ট্য যা আপনি নমুনাগুলি থেকে পেতে পারেন same একই আকারের অনেকগুলি নমুনা গ্রহণ করে, এই সকলের জন্য এই গুণটি গণনা করে এবং পিডিএফ প্লট করে আমরা সংশ্লিষ্ট বৈশিষ্ট্যের বন্টন বা সংশ্লিষ্ট পরিসংখ্যানের বিতরণ পাই।

আমি আরও শুনেছি যে পরিসংখ্যানগুলি অনুমানক হিসাবে তৈরি করা হয়, এই দুটি ধারণাগুলি কীভাবে আলাদা?


2
সমস্ত উত্তরগুলির জন্য ধন্যবাদ ... ধারণাটি এখন আমার কাছে আরও অনেক স্পষ্ট ..
গুট্টো

উত্তর:


17

সংজ্ঞা

উইকিপিডিয়া থেকে:

একটি পরিসংখ্যান [...] একটি নমুনার কিছু গুণাবলীর একক পরিমাপ (যেমন, এর পাটিগণিতের গড় মান)।

এবং

[এ] এন অনুমানক পর্যবেক্ষণ করা তথ্যের ভিত্তিতে প্রদত্ত পরিমাণের [অন্তর্নিহিত বিতরণের] একটি অনুমান গণনা করার জন্য একটি নিয়ম।

গুরুত্বপূর্ণ পার্থক্যটি হ'ল:

  • একটি পরিসংখ্যান একটি নমুনার একটি ফাংশন।
  • একটি অনুমানকারী হ'ল বিতরণের কিছু পরিমাণের সাথে সম্পর্কিত একটি নমুনার ফাংশন ।

("পরিমাণ" এর অর্থ কী, নীচের বিভাগটি দেখুন))

একটি পরিসংখ্যান কোনও অনুমানকারী হয় না

একটি অনুমানক কিছু সংযোজন সহ একটি পরিসংখ্যান । কোনও পরিসংখ্যানকে অনুমানক হিসাবে রূপান্তর করতে, আপনি কোন টার্গেট পরিমাণটি অনুমান করতে চান তা কেবল বানান করে। এটি বিভ্রান্তিকর, কারণ আপনি পরিসংখ্যানগুলিতে "আসল" কিছু যোগ করেন না, তবে কেবল কিছু উদ্দেশ্য।

পার্থক্যটি গুরুত্বপূর্ণ তা দেখতে আপনাকে বুঝতে হবে যে আপনি কোনও পরিসংখ্যানের জন্য কোনও অনুমানকারী (যেমন পক্ষপাত , বৈকল্পিক ইত্যাদি) এর বৈশিষ্ট্য গণনা করতে পারবেন না । পক্ষপাত গণনা করতে , আপনার পরিসংখ্যান আপনাকে যে মান দেয় এবং সত্যিকারের মধ্যে পার্থক্য খুঁজে বের করতে হয়। কেবলমাত্র একটি অনুমানকারী "সত্য মান" নিয়ে আসে যা পক্ষপাত গণনা করতে দেয়। একটি পরিসংখ্যান কেবলমাত্র ডেটা ফাংশন এবং এটি সঠিক বা ভুলও নয়।

একই পরিসংখ্যানের ভিত্তিতে বিভিন্ন অনুমানক

আপনি একই পরিসংখ্যানগুলির জন্য বিভিন্ন টার্গেট পরিমাণের বানান করতে পারেন, যার ফলে বিভিন্ন অনুমানকারী হয়। এ জাতীয় প্রতিটি অনুমানকারীর নিজস্ব পক্ষপাত রয়েছে, যদিও তারা সকলেই একই মান, একই পরিসংখ্যান।

  • আপনি নমুনা গড় বন্টন গড় জন্য একটি অনুমানকারী হিসাবে ব্যবহার করতে পারেন । এই অনুমানকারীটির শূন্য পক্ষপাত রয়েছে
  • আপনি বিতরণ বৈকল্পিকের জন্য অনুমানকারী হিসাবে নমুনা গড়ও ব্যবহার করতে পারেন । এই অনুমানকারী বেশিরভাগ বিতরণের জন্য পক্ষপাতদুষ্ট

সুতরাং "নমুনা মানে নিরপেক্ষ" এটি বলার অর্থ নেই। নমুনা গড় নিরপেক্ষ যখন আপনি এটি বিতরণ গড় অনুমান করতে ব্যবহার করেন। তবে বিতরণ বৈকল্পিক অনুমান করার জন্য এটি ব্যবহার করার সময় একই সময়ে পক্ষপাতদুষ্ট।

পরিমাণে বিতরণ এবং নমুনার পরিমাণ

এখানে পরিমাণটি বিতরণের কিছু সম্পত্তি বোঝায় যা সাধারণত অজানা এবং তাই অনুমান করতে হয়। এটি কোনও পরিসংখ্যানের বিপরীতে , যা কোনও নমুনার সম্পত্তি, উদাহরণস্বরূপ বন্টন গড়টি আপনার বিতরণের একটি পরিমাণ, যখন নমুনার গড়টি একটি পরিসংখ্যান (আপনার নমুনার একটি পরিমাণ)।


1
এই উদ্ধৃতিগুলির সাথে পরিষ্কারভাবে কোনও ভুল নেই, তবে তারা "পরিমাণ" বলতে আসলে কী বোঝায় তা নিয়ে আমাকে বিস্মিত করে। উদাহরণস্বরূপ, উদ্ধৃতিগুলি একই তথ্যের উপর ভিত্তি করে একটি "পরিমাণ" অন্য একটি পরিসংখ্যান বা সম্ভবত একই রকমের ডেটার পৃথক সেটের উপর ভিত্তি করে অন্য কোনও পরিসংখ্যান বলে সম্ভাবনা প্রত্যাখ্যান করে বলে মনে হয় না। (পরবর্তী ক্ষেত্রে প্রথম পরিসংখ্যান ভবিষ্যদ্বাণী হিসাবে ব্যবহৃত হতে পারে প্রাক্তন ক্ষেত্রে আমি এর কোনও নাম মনে করি না তবে এটি অবশ্যই "অনুমানকারী" নয়)
শুভ

@ শুভ দেখুন সম্পাদনা দেখুন। প্রাথমিকভাবে আমি একটি সংক্ষিপ্ত উত্তর দিতে চেয়েছিলাম ... :(
জিগিস্টার

সম্ভবত নমুনা গড় এবং নমুনা মিডিয়ান কেবল একই অন্তর্নিহিত মানটি অনুমান করতে পারে যদি বিতরণ এমন হয় যেখানে মিডিয়ান = মানে ...
স্টম্পি জো পিট

আমার সমালোচনা আপনার সম্পাদনার আলোকে কম বোঝায়। আমি কেবল বলছিলাম যে অনেক বিতরণে মিডিয়ান! = গড়, তাই নমুনা মিডিয়ান এবং নমুনা গড় এই জাতীয় ক্ষেত্রে একই মানকে রূপান্তর করবে না (যেমন, একই জিনিসটি অনুমান করবেন না)।
স্টম্পি জো পিট

1
@ স্টম্পি আমি মনে করি আপনার এখানে কিছুটা ভুল ধারণা রয়েছে। মধ্যবর্তী এবং একই জিনিসকে (বা কিছুতেই কিছুতেই) "রূপান্তর" বোঝানো উচিত নয় does এটি স্পষ্ট করার জন্য, আমাকে কিছুটা হাস্যকর হতে দিন: আমি যদি ইচ্ছা করি তবে গড়টি অনুমান করার জন্য নমুনাটির বৈকল্পিকতা ব্যবহার করতে পারি । একেবারে কোনও তাত্ত্বিক বাধা নেই - বা সেখানেও হতে পারে - যা বলে যে আমি এটি করতে পারি না। আমার পদ্ধতিটি সংজ্ঞাটির সমস্ত অংশ পূরণ করে: নমুনা বৈকল্পিক সত্যই একটি পরিসংখ্যান এবং গড় সত্যই অন্তর্নিহিত বিতরণের একটি সম্পত্তি। সংজ্ঞাগুলির জন্য, এটি অপ্রাসঙ্গিক যে এটি (প্রায়শই) একটি ভয়ানক পদ্ধতি।
হোয়াট

15

এই থ্রেডটি কিছুটা পুরাতন, তবে দেখা যাচ্ছে যে উইকিপিডিয়া তার সংজ্ঞা পরিবর্তন করেছে এবং এটি সঠিক হলে এটি আমার জন্য এটি আরও স্পষ্টভাবে ব্যাখ্যা করেছে:

একটি "অনুমানকারী" বা "বিন্দু অনুমান" হ'ল একটি পরিসংখ্যান (যা তথ্যগুলির একটি ফাংশন) যা একটি পরিসংখ্যানের মডেলটিতে অজানা প্যারামিটারের মান নির্ধারণের জন্য ব্যবহৃত হয়।

সুতরাং একটি পরিসংখ্যান নিজেই ডেটা এবং সেই ডেটা সহ একটি গণনা বোঝায়। যখন একটি অনুমানকারী একটি মডেল একটি পরামিতি বোঝায়।

যদি আমি এটি সঠিকভাবে বুঝতে পারি, তবে, গড়টি একটি পরিসংখ্যান এবং এটি একটি অনুমানকারীও হতে পারে। একটি নমুনার গড়টি একটি পরিসংখ্যান (নমুনার আকার দ্বারা বিভক্ত নমুনার যোগফল)। একটি নমুনার গড়টি জনসংখ্যার গড়ের একটি প্রাকদর্শকও হয়, ধরে নেওয়া হয় এটি সাধারণত বিতরণ করা হয়।

আমি @ শুভ এবং অন্যান্যদের জিজ্ঞাসা করব যারা সত্যই এই জিনিসটি জানেন তবে যদি (নতুন?) উইকিপিডিয়া উদ্ধৃতিটি সঠিক হয়।


6
μ2(μ,σ2)

5

যেহেতু অন্যান্য উত্তরগুলি বলছে যে তারা একই, কোনও অনুমোদনমূলক রেফারেন্স দেয় না, তাই আমি আপনাকে কেসেলা এবং বার্গারের স্ট্যাটিস্টিকাল ইনফারেন্স হ্যান্ডবুক থেকে দুটি উদ্ধৃতি দেই :

X1,,XnnT(x1,,xn)(X1,,Xn)Y=T(X1,,Xn)YY

এবং

W(X1,,Xn)

আমি এখানে বলছি না যে এটিই প্রশ্নের সুনির্দিষ্ট উত্তর, যেহেতু আমি দুটি সর্বাধিক উত্সাহিত উত্তরগুলির সাথে একমত বলে মনে হচ্ছে যে একটি পার্থক্য রয়েছে, কেবল একটি রেফারেন্স দিচ্ছে যা হাইলাইট করার বিপরীতে বলে যে এটি কোনও নয় সাফ কাটা কেস


4

(XX)1XY

সত্যিই ভাল টিএ একবার আমার কাছে সেইরকম একটি অনুমানের ধারণাটি ব্যাখ্যা করেছিল।

মূলত, একটি অনুমানকারী এমন একটি জিনিস যা আপনি কোনও পরিমাণ পাওয়ার জন্য ডেটা প্রয়োগ করেন যা আপনি এর মূল্য জানেন না। আপনি একটি পরিসংখ্যানের মান জানেন - এটি কোনও "সেরা" বা "অনুকূল" নেই এমন ডেটা ফাংশন। কোনও "সেরা" মানে নেই। একটি মাত্র উপায় আছে।

বলুন যে আপনার কাছে জনপ্রতি মালিকানাধীন ছাগলের সংখ্যা এবং প্রত্যেক ব্যক্তির সুখের একটি ডেটাসেট রয়েছে। লোকেরা যেভাবে ছাগলের মালিক হয় তার সংখ্যার সাথে কীভাবে তার সুখ বদলে তা আপনার আগ্রহী interested কোনও অনুমানকারী আপনাকে আপনার ডেটা থেকে সেই সম্পর্কটি অনুমান করতে সহায়তা করতে পারে। পরিসংখ্যানগুলি আপনার কাছে থাকা ডেটার কেবল ফাংশন। উদাহরণস্বরূপ, ছাগলের মালিকানার বৈচিত্রটি equal. সমান হতে পারে var বৈচিত্র্য গণনা করার জন্য ফো ফরুলা ছাগল এবং টোস্টারের মধ্যে একরকম হতে পারে, বা আপনি ক্যান্সারে আক্রান্ত হওয়ার সুখ বা প্রবণতায় আগ্রহী কিনা। সেই অর্থে, সমস্ত বোধগম্য অনুমানকারী হ'ল পরিসংখ্যান।


3

আকর্ষণীয় প্রশ্ন। যদিও অনুমানকারী এবং পরিসংখ্যানগুলি আলাদা আলাদা জিনিস হওয়ার দরকার নেই। এগুলি বিভিন্ন ধারণা।

একটি পরিসংখ্যান একটি ফাংশন (বিস্তৃত ভাষায়) যাতে ইনপুট (পরিসংখ্যান) ডেটা হয়। এর প্রভাবটি হ'ল আপনি এই পরিসংখ্যান থেকে ফলাফল, সাধারণত একটি সংখ্যা অর্জন করেন। আরও বিমূর্ত শব্দে একটি পরিসংখ্যান একাধিক সংখ্যার ফলস্বরূপ হতে পারে। পরিসংখ্যানগুলি ডেটাগুলির উপর নির্ভর করে তবে পদ্ধতিটি নির্ধারক minist সুতরাং পরিসংখ্যানগুলি হ'ল: "সমস্ত সংখ্যার যোগফল এবং গণনা দ্বারা ভাগ করুন" বা, বৃহত্তর অর্থে "জিডিপি ডেটা নিন এবং এটির উপর একটি প্রতিবেদন প্রস্তুত করুন"।
পরিসংখ্যানগত অর্থে আমরা অবশ্যই একটি পরিসংখ্যান হিসাবে একটি গাণিতিক ফাংশন সম্পর্কে কথা বলছি।

এর তাত্পর্যটি হ'ল যদি আপনি যে ইনপুট উপাত্তের বৈশিষ্ট্যগুলি জানেন (উদাহরণস্বরূপ এটি একটি এলোমেলো ভেরিয়েবল মৌচাক করে), তবে আপনি প্রকৃতপক্ষে ডেটা স্থাপন না করেই আপনার পরিসংখ্যানগুলির বৈশিষ্ট্যগুলি গণনা করতে পারেন।

আপনার ইচ্ছার কারণে অনুমানকারীরা অনুমানকারী: কোনও সম্পত্তি অনুমান করার জন্য। দেখা যাচ্ছে যে কিছু পরিসংখ্যান ভাল অনুমানকারী।
উদাহরণস্বরূপ, যদি আপনি আইড ভেরিয়েবলের একটি পুলের বাইরে ডাটা পয়েন্টগুলি টানেন, তবে পাটিগণিতের অর্থ - আপনি যে ডেটা টানছেন তার উপর ভিত্তি করে একটি পরিসংখ্যান সম্ভবত distribution বিতরণের প্রত্যাশিত মানটির জন্য একটি ভাল অনুমানকারী হবে। তবে তারপরে আবার যে কোনও জিনিসই অনুমান করে

অনুশীলনে, আপনি যে অনুমানক ব্যবহার করেন তা পরিসংখ্যান হবে, তবে এমন পরিসংখ্যান রয়েছে যা অনুমানকারী নয়। উদাহরণস্বরূপ পরীক্ষা-পরিসংখ্যান - যদিও এই বিবৃতিটির শব্দার্থ সম্পর্কে কেউ তর্ক করতে পারে এবং বিষয়গুলিকে আরও খারাপ করে তুলতে পারে তবে একটি পরীক্ষার পরিসংখ্যান কেবলমাত্র অনুমানকারীও নাও থাকতে পারে। যদিও ধারণাগতভাবে এটি ক্ষেত্রে হবে না।

এবং অবশ্যই আপনার কাছে এমন অনুমানকারী থাকতে পারে যা পরিসংখ্যান নয়, যদিও তারা অনুমানের ক্ষেত্রে খুব ভাল নয়।


1
2nnn+1

হ্যাঁ আমি যুক্তি দিয়ে বলব যে "মান নির্বাচন করা" হ'ল নির্জনবাদী পরিসংখ্যান এবং এর আগে যা কিছু আপনি বেছে নিয়েছিলেন সেই নমুনার পরিবর্তনের সাথে সম্পর্কিত। তারপরে আবার "পদ্ধতি" যেহেতু আপনি হবেন - নির্বিচারবাদী তাই আমি পরিসংখ্যান সম্পর্কিত সংজ্ঞায় এই জাতীয় স্টোকাস্টিক উপাদানগুলিকে কেবল অনুমতি দিতে পারি ... বিন্দুটি নির্ধারণ করে যে কোনও পরিসংখ্যান নয় এমন অনুমানকারী অন্তত কোনও তথ্য থেকে স্বতন্ত্র থাকতে পারে independent উদাহরণস্বরূপ নীচের উত্তরে "6" সংখ্যাটি। দয়া করে মনে রাখবেন যে আমি বলিনি যে অ-পরিসংখ্যান অনুমানকারীগুলি অগত্যা খারাপ।
আইএমএ

1
আমি মনে করি সম্ভবত আপনি অনেকগুলি সূক্ষ্ম তাত্পর্য তৈরি করছেন যা অপ্রয়োজনীয় এবং শেষ পর্যন্ত আপনার প্রকাশকে জটিল করে তুলবে। উদাহরণস্বরূপ, "১/২" হ'ল বার্নোল্লি ভেরিয়েবলের প্যারামিটারের দুর্দান্ত অনুমানক (এটি চতুর্ভুজ ক্ষতির জন্য ক্ষুদ্রতর), সুতরাং এটি কেবল ডেটা থেকে স্বতন্ত্র হওয়ায় এটিকে রায় দেওয়া লজ্জার বিষয় হবে। (এটি ইউক্লিডিয়ান জ্যামিতির আয়তক্ষেত্রের উদাহরণ হিসাবে বর্গক্ষেত্রের রায় দেওয়ার অনুরূপ: আপনি এটি করতে পারতেন তবে এটি আয়তক্ষেত্রের বৈশিষ্ট্য সম্পর্কিত বেশিরভাগ বিবৃতি দ্বিগুণ করে দেবে।) এটি একইভাবে এলোমেলো পরিসংখ্যানকে অস্বীকার করতে সহায়তা করে।
হোবার

আমি মনে করি না আমরা সত্যই একই জিনিস সম্পর্কে কথা বলছি। আমি কোথাও অস্বীকার করব? যদি অর্ধেকটি দুর্দান্ত অনুমানকারী হয় তবে এটি এটির ক্ষেত্রে। আমি কেবল মনে করি না যে সংখ্যাগরিষ্ঠ সম্ভাব্য হিসাবরক্ষকগুলি পরিসংখ্যান মৌমাছি না করা বেশিরভাগই দুর্দান্ত। একটি বার্নোল্লি ভেরিয়েবলের জন্য "1/2" ভাল। তবে - নিবিড়- "একটি প্রকৃত সংখ্যা" শ্রেণীর আরও কয়েকটি অনুমানকারী খুব ভাল নয়, আপনি কি রাজি হবেন না? তথ্যের উপর ভিত্তি করে এলোমেলোভাবে পরিসংখ্যানগুলির বিষয়ে- আমি এখনও এটিকে অস্বীকার করি নি কারণ আমি এখনও বলব যে আপনার একটি নির্বিচার পদ্ধতি প্রয়োজন। তবে আমি স্বীকার করি যে এটি আমার উপরে যুক্ত করা উচিত।
আইএমএ

2

আমি মনে করি একটি নমুনা কী তা সম্পর্কে আরও ভাল বোঝা সাহায্য করে।

[আপডেট: নমুনা একটি বিস্তৃত ধারণা, আমি "এলোমেলো নমুনা" সম্পর্কে কথা বলছিলাম। নমুনা এলোমেলো নয় যখন কোনও অনুমানকারী বোঝায় বা না তা আমি জানি না ]]

উইকিপিডিয়া থেকে :

একটি এলোমেলো নমুনা একটি নমুনা হিসাবে সংজ্ঞায়িত যেখানে জনসংখ্যার প্রতিটি পৃথক সদস্যের নমুনার অংশ হিসাবে নির্বাচিত হওয়ার একটি জ্ঞাত, অ-শূন্য সম্ভাবনা রয়েছে।

nnnnn

আমরা নমুনার মান দ্বারা নমুনাটি অনুমানকারীতে প্রতিস্থাপন করি। আমরা অনুমানের একটি মান পাই, এটি একটি নির্দিষ্ট পরিমাপ। এবং এই নির্দিষ্ট পরিমাপ একটি পরিসংখ্যান।

( কোনও অনুমানকারী সংজ্ঞা জন্য এই লিঙ্কটি দেখুন , শেষ বাক্যটি প্রকাশিত হয় যে আমরা কেন সর্বদা বিভ্রান্ত থাকি))


1

এই লেখার লক্ষ্য:

আমি এখানে যা করতে চাই তা হ'ল আপনাকে "পরিসংখ্যান" এবং "অনুমানকারী" নামক দুটি অন্তরঙ্গ সম্পর্কিত ধারণার মধ্যে মিল এবং পার্থক্য সরবরাহ করা। যাইহোক, আমি একটি প্যারামিটার এবং একটি পরিসংখ্যানের মধ্যে পার্থক্যের মধ্য দিয়ে যেতে চাই না, যা আমি ধরে নিয়েছি যে পরিসংখ্যান এবং অনুমানের মধ্যে পার্থক্যগুলির সাথে লড়াই করছেন এমন প্রত্যেকের পক্ষে যথেষ্ট স্পষ্ট। যদি এটি আপনার ক্ষেত্রে না হয় তবে আপনাকে প্রথমে আগের পোস্টগুলি অধ্যয়ন করতে হবে এবং তারপরে এই পোস্টটি অধ্যয়ন শুরু করতে হবে।

সম্পর্ক:

মূলত, কোনও নমুনায় পর্যবেক্ষণযোগ্য এলোমেলো ভেরিয়েবলের যেকোন আসল-মূল্যবান ফাংশনকে একটি পরিসংখ্যান বলা হয়। কিছু পরিসংখ্যান রয়েছে যে এগুলি যদি ভালভাবে ডিজাইন করা থাকে এবং কিছু ভাল বৈশিষ্ট্য থাকে (যেমন ধারাবাহিকতা, ...), জনসংখ্যার অন্তর্নিহিত বিতরণের প্যারামিটারগুলি অনুমান করতে ব্যবহার করা যেতে পারে। অতএব, পরিসংখ্যান একটি বড় সেট, এবং পরিসংখ্যান সংখ্যার সেট ভিতরে একটি উপসেট হয়। সুতরাং, প্রতিটি অনুমানক একটি পরিসংখ্যান, কিন্তু প্রতিটি পরিসংখ্যান একটি অনুমানকারী হয় না।

মিল:

সাদৃশ্যগুলির কথা বলতে যেমন আগেই বলা হয়েছে, উভয়ই র্যান্ডম ভেরিয়েবলের কাজ। তদ্ব্যতীত, উভয়েরই "নমুনা বিতরণ" নামে বিতরণ রয়েছে।

পার্থক্য:

পার্থক্যের কথা বললে, তারা তাদের লক্ষ্য এবং কাজের ক্ষেত্রে পৃথক। কোনও পরিসংখ্যানের লক্ষ্য এবং কাজগুলি কোনও নমুনায় তথ্যের সংক্ষিপ্ত বিবরণ (পর্যাপ্ত পরিসংখ্যান ব্যবহার করে) হতে পারে এবং কখনও কখনও অনুমানের পরীক্ষা করা ইত্যাদিও বিপরীতভাবে, কোনও অনুমানকারীর প্রাথমিক লক্ষ্য এবং কাজ, যার নাম থেকেই বোঝা যায় জনসংখ্যার পরামিতি অধ্যয়ন করা হচ্ছে। এটি উল্লেখ করা জরুরী যে এখানে বিভিন্ন ধরণের অনুমানক রয়েছে যার প্রতিটিটির পিছনে নিজস্ব গণনামূলক যুক্তি রয়েছে যেমন মোমস, এমএলই, ওএলএস অনুমানকারী ইত্যাদি। এই দুটি ধারণার মধ্যে আরেকটি পার্থক্য তাদের পছন্দসই বৈশিষ্ট্যগুলির সাথে সম্পর্কিত। একটি পরিসংখ্যানের সবচেয়ে কাঙ্ক্ষিত বৈশিষ্ট্য হ'ল "পর্যাপ্ততা", একটি অনুমানকারীর পছন্দসই বৈশিষ্ট্যগুলি হ'ল "ধারাবাহিকতা", "নিরপেক্ষতা", "নির্ভুলতা" ইত্যাদি things

সাবধান:

সুতরাং, পরিসংখ্যান এবং অনুমানকারীদের সাথে ডিল করার সময় আপনার পরিভাষাটি সঠিকভাবে ব্যবহার সম্পর্কে সতর্ক হওয়া উচিত। উদাহরণস্বরূপ, নিখুঁত পরিসংখ্যানের পক্ষপাতিত্ব সম্পর্কে কথা বলার খুব একটা অর্থ হয় না, যা কোনওভাবেই অনুমানকারী নয়, কারণ আমাদের পক্ষপাত গণনা করতে সক্ষম হওয়ার জন্য এই জাতীয় প্রসঙ্গে কোনও পরামিতি জড়িত নেই, এবং এটি সম্পর্কে কথা বলুন। সুতরাং, আপনি পরিভাষা সম্পর্কে যত্নবান হতে হবে!

তলদেশের সরুরেখা:

সংক্ষেপে, একটি নমুনায় পর্যবেক্ষণযোগ্য এলোমেলো ভেরিয়েবলের যে কোনও ক্রিয়াকলাপ একটি পরিসংখ্যান। যদি কোনও পরিসংখ্যানের জনসংখ্যার একটি প্যারামিটার অনুমান করার ক্ষমতা থাকে, তবে আমরা একে এস্টিমেটার বলি (সুদের প্যারামিটারের)। তবে, কিছু পরিসংখ্যান রয়েছে যা পরামিতিগুলি অনুমান করার জন্য ডিজাইন করা হয়নি, সুতরাং এই পরিসংখ্যানগুলি অনুমানকারী নয়, এবং এখানে আমরা তাদের "নিখুঁত পরিসংখ্যান" বলি call

আমি উপরে যে প্রস্তাব দিয়েছি তা হল এই দুটি ধারণাকে আমি যেভাবে দেখি এবং ভাবি তা এটিকে সহজ কথায় বলতে চেষ্টা করেছি best আমি আসা করি এটা সাহায্য করবে!


0

পুরানো প্রশ্নটির নতুন উত্তর:

সংজ্ঞা 1. একটি পরিসংখ্যান একটি ফাংশন যা প্রতিটি নমুনাকে একটি আসল সংখ্যায় মানচিত্র করে।

প্রতিটি অনুমানকারী একটি পরিসংখ্যান।

তবে আমরা কেবল সেই পরিসংখ্যানগুলিতে কল করতে পারি যা অনুমানগুলি তৈরি করতে ব্যবহৃত হয় ("অনুমান") কিছু পরামিতি একটি অনুমানকারী।

উদাহরণস্বরূপ, টি-স্ট্যাটিস্টিক এবং স্যাম্পল মানে দুটি পরিসংখ্যান। নমুনা গড়টিও একটি অনুমানকারী (কারণ আমরা প্রায়শই এটির সত্য জনসংখ্যার গড় অনুমান করতে ব্যবহার করি)।

বিপরীতে, আমরা খুব কমই / কখনই টি-স্ট্যাটিস্টিককে অনুমানকারী বলি না, কারণ আমরা কোনও প্যারামিটার অনুমান করতে খুব কমই / কখনই এটি ব্যবহার করি না।

PQ

Example_

θ

θ

এখানে একটি সম্ভাব্য পদ্ধতি। আমরা একটি ডাই রোল 3 বার।

s=(x1,x2,x3)x1x2x3

s1=(5,4,1)s2=(4,1,6)s3=(6,3,2)

PQPQs=(x1,x2,x3)

P(s)=x1ln(x2+x3),
Q(s)=x1+x2+x33.

P

Qθ

Pθ


1
এই উত্তরটি একটি ভাল দিকে এগিয়ে চলেছে। "সংজ্ঞা 2," যদিও এটির বিজ্ঞপ্তি বলে বৈধ সংজ্ঞা বলে মনে হয় না (এটি পরবর্তীটি ব্যাখ্যা না করে "অনুমানের ক্ষেত্রে" "অনুমানকারীকে" সংজ্ঞায়িত করে)। এটি কার্যকর হওয়ার জন্য আপনাকে "প্যারামিটারের প্রাক্কলন" কী তা যথেষ্ট বিশদ এবং স্পষ্টতার সাথে ব্যাখ্যা করতে হবে যে লোকেরা কতটা ভালভাবে কাজ করে তার পরিমাণগত পরিমাপ তৈরি করতে পারে।
হোবার

θθ5

2
দুর্ভাগ্যক্রমে, আমি যেমন প্রস্তাব দেওয়ার চেষ্টা করছিলাম, প্রয়োজনীয় কিছু সরলকরণে হারিয়ে গেছে বলে মনে হচ্ছে, কারণ আপনার দ্বিতীয় সংজ্ঞা কোনও অনুমানককে অন্য কোনও পরিসংখ্যান থেকে একেবারেই আলাদা করে না।
হোবার

@ শুভ: ঠিক আছে। সাধারণত, একটি অনুমানকারী কেবল একটি পরিসংখ্যান। তবে আমরা যদি স্ট্যাটিস্টিক কিছু আগ্রহের প্যারামিটার অনুমান করতে ব্যবহৃত হয় তবে কোনও পরিসংখ্যানকে বোঝাতে "অনুমানক" শব্দটি ব্যবহার করার প্রবণতা রয়েছে। এই উত্তরটি পরিষ্কার করার জন্য আমি আমার উত্তর সম্পাদনা করেছি।
কেনে এলজে

-3

ইন হাইপোথিসিস টেস্টিং :

একটি পরীক্ষা-পরিসংখ্যান অনুমানের পরীক্ষা সম্পর্কে testing একটি পরীক্ষা-পরিসংখ্যান নাল অনুমানের অধীনে / প্রদত্ত এলোমেলো পরিবর্তনশীল। এখন, কেউ কেউ নমুনা প্রদত্ত পরীক্ষার-পরিসংখ্যানের মান / পরিমাপকে একটি পরিসংখ্যান বলতে পারেন।

এই দুটি দিয়ে আপনি পি-মান পেতে পারেন যা এমন একটি পরিমাপ যা নাল অনুমানটিকে প্রত্যাখ্যান বা প্রত্যাখ্যান করতে সহায়তা করে। সব মিলিয়ে একটি পরিসংখ্যান একটি অনুমান যা আপনার অনুমানের কতটা কাছাকাছি / কাছাকাছি।

এই লিঙ্কটি কার্যকর হতে পারে।


2
দেখে মনে হচ্ছে আপনি একটি আলাদা প্রশ্ন, অনুমানের চেয়ে অনুমানের পরীক্ষার সাথে সম্পর্কিত কিছু something আপনার "পরিসংখ্যান" এর সংজ্ঞা স্ট্যান্ডার্ড সংজ্ঞাগুলির তুলনায় সুযোগে অনেক বেশি সীমাবদ্ধ: পরিসংখ্যানগুলি সিদ্ধান্ত গ্রহণের সমস্ত ধরণের ক্ষেত্রে প্রযোজ্য, কেবল হাইপোথিসিস টেস্টিং এবং নাল হাইপোথিসিসের খুব সীমিত ক্ষেত্রে নয়। তদুপরি, অনুমানের পরীক্ষাগুলি অনুমানকারীগুলির মতো হয় না এবং বেশিরভাগ পরিসংখ্যান কিছু অনুমানের নিকটতার অনুমান হিসাবে ব্যবহার হয় না।
whuber

আমি এটি আলাদা প্রশ্ন বলব না। এটি অন্তত অনুমানের পরীক্ষার পরিপ্রেক্ষিতে কী তা সম্পর্কে একটি চিত্র দেয়!
dfhgfh

2
কারণ এই উত্তরটি প্রশ্নের সীমাবদ্ধ এবং বিশেষায়িত সংস্করণকে কেন্দ্র করে এবং পাঠককে সেই সত্য সম্পর্কে সতর্ক না করে "অনুমানক" এবং "পরিসংখ্যান" মূল শব্দটি ব্যবহার করে, আমি আশঙ্কা করি যে এটি মানুষকে বিভ্রান্ত বা বিভ্রান্ত করতে পারে।
হোয়বার

আমি ভেবেছিলাম হাইপোথিসিস পরীক্ষাটি পরিসংখ্যানের একটি সীমাবদ্ধ এবং বিশেষ ক্ষেত্র হতে পারে।
dfhgfh
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.