হ্যাঁ, আপনার একই ফলাফল দেওয়ার জন্য আপনার উভয় উদাহরণ (অদ্বিতীয় বনাম ভারী) আশা করা উচিত।
আমি উইকিপিডিয়া নিবন্ধ থেকে দুটি অ্যালগরিদম বাস্তবায়ন করেছি।
এই এক কাজ করে:
যদি এর একই বন্টন থেকে আঁকা হয় এবং পূর্ণসংখ্যক ওজন নমুনায় ফ্রিকোয়েন্সি নির্দেশ করে, তবে ওজনযুক্ত জনসংখ্যার বৈকল্পিকতার নিরপেক্ষ অনুমানটি এই দ্বারা প্রদান করেছেন:xiwi
s2 =1V1−1∑Ni=1wi(xi−μ∗)2,
তবে এটি একটি (ভগ্নাংশের ওজন ব্যবহার করে) আমার পক্ষে কাজ করে না:
যদি প্রতিটি বিতরণ থেকে বৈকল্পিক হয় তবে একটি ভারী জনসংখ্যার বৈচিত্রের নিরপেক্ষ অনুমানের দ্বারা দেওয়া হয়:xi1/wi
s2 =V1V21−V2∑Ni=1wi(xi−μ∗)2
দ্বিতীয় সমীকরণটি কেন যেমন কাজ করছে না তার কারণগুলি আমি এখনও তদন্ত করছি am
বিনোদন / সাহিত্য / সম্পাদনা: দ্বিতীয় সমীকরণটি যেমনটি ভেবেছিল তেমন কার্যকর হয়নি তার কারণটি খুঁজে পেয়েছি: আপনি যদি ওজন বা বৈকল্পিক ("নির্ভরযোগ্যতা") ওজনকে স্বাভাবিক করেন তবেই আপনি দ্বিতীয় সমীকরণটি ব্যবহার করতে পারেন, এবং এটি নিরপেক্ষ নয়, কারণ যদি আপনি না করেন "পুনরাবৃত্তি" ওজন ব্যবহার করুন (পর্যবেক্ষণটি কতবার পর্যালোচনা করা হয়েছিল এবং এটি আপনার গণিতের ক্রিয়াকলাপে পুনরাবৃত্তি করা উচিত) আপনি মোট পর্যবেক্ষণের সংখ্যা গণনা করার ক্ষমতা হারাবেন এবং এইভাবে আপনি কোনও সংশোধন ফ্যাক্টর ব্যবহার করতে পারবেন না।
সুতরাং এটি ওজনযুক্ত এবং অ-ভারাক্রান্ত বৈকল্পিক ব্যবহার করে আপনার ফলাফলের পার্থক্য ব্যাখ্যা করে: আপনার গণনা পক্ষপাতদুষ্ট।
সুতরাং, আপনি যদি নিরপেক্ষ ওজনের ভারসাম্য রাখতে চান তবে কেবলমাত্র "পুনরাবৃত্তি" ওজন ব্যবহার করুন এবং আমি উপরে পোস্ট করা প্রথম সমীকরণটি ব্যবহার করুন। যদি এটি সম্ভব না হয় তবে ভাল, আপনি এটি সহায়তা করতে পারবেন না।
আপনি আরও তথ্য চাইলে আমি উইকিপিডিয়াটির নিবন্ধটিও আপডেট করেছি:
http://en.wikedia.org/wiki/Weided_arithmetic_mean##wight_sample_variance
এবং নিরপেক্ষ ওজনযুক্ত সমবায়ু সম্পর্কে একটি লিঙ্কিত নিবন্ধ (যা পোলারাইজেশন আইডেন্টিটির কারণে বাস্তবে একই রকমের পার্থক্য ):
ওজনযুক্ত নিরপেক্ষ নমুনা কোভেরিয়েন্সের জন্য সঠিক সমীকরণ