কিউকিউ প্লটের ব্যাখ্যা

Question

নিম্নলিখিত কোড এবং আউটপুট বিবেচনা করুন:

  par(mfrow=c(3,2))
  # generate random data from weibull distribution
  x = rweibull(20, 8, 2)
  # Quantile-Quantile Plot for different distributions
  qqPlot(x, "log-normal")
  qqPlot(x, "normal")
  qqPlot(x, "exponential", DB = TRUE)
  qqPlot(x, "cauchy")
  qqPlot(x, "weibull")
  qqPlot(x, "logistic")

দেখে মনে হচ্ছে লগ-স্বাভাবিকের জন্য কিউকিউ প্লট প্রায় ওয়েইবুলের কিউকিউ প্লটের মতোই। কীভাবে আমরা তাদের পার্থক্য করতে পারি? এছাড়াও যদি পয়েন্টগুলি দুটি বাহ্যিক কালো রেখার দ্বারা সংজ্ঞায়িত অঞ্চলের মধ্যে থাকে তবে এটি কি নির্দেশ করে যে তারা নির্দিষ্ট বন্টন অনুসরণ করে?

Comments

আমি বিশ্বাস করি আপনি গাড়ী প্যাকেজ ব্যবহার করছেন , তাই না? যদি library(car)তা হয় তবে লোকদের অনুসরণ করা আরও সহজ করার জন্য আপনার কোডটিতে বিবৃতিটি অন্তর্ভুক্ত করা উচিত । সাধারণভাবে, আপনি set.seed(1)উদাহরণটিকে পুনরায় উত্পাদনযোগ্য করে তুলতে বীজ (উদাহরণস্বরূপ ) সেট করতেও পারেন , যাতে যে কেউ আপনার অর্জন করা ঠিক একই তথ্য পয়েন্ট পেতে পারে, যদিও এটি সম্ভবত এখানে গুরুত্বপূর্ণ নয়।

— গুং - মনিকা পুনরায়

এটি লিখিত হিসাবে আমার কম্পিউটারে চলবে না। উদাহরণস্বরূপ, গাড়ী প্যাকেজ থেকে কিউকিপ্লাট সাধারণের জন্য আদর্শ এবং লগ-সাধারণের জন্য লনরম চায়। আমি কী মিস করছি?

— টম

@ টম, আমি প্যাকেজ সম্পর্কে ভুল ছিল। স্পষ্টতই, এটা qualityTools প্যাকেজ। তাছাড়া উদাহরণটি এখান থেকে নেওয়া হয়েছে বলে মনে হয় ।

— গুং - মনিকা পুনরায়

একটি উত্সাহব্যঞ্জক বিকল্প নেই কালেন এবং ফ্রে গ্রাফ দেখুন stats.stackexchange.com/questions/243973/... উদাহরণের জন্য

— kjetil খ halvorsen

Answer 1

এখানে কয়েকটি কথা বলা দরকার:

1. জন্য সিডিএফ আকৃতি লগ-স্বাভাবিক এর সিডিএফ আকৃতি অনুরূপ যথেষ্ট WEIBULL তাদের কঠিন WEIBULL এবং অন্যদের মধ্যে মিল মাত্রা চেয়ে পার্থক্য করা।
2. বাইরের কালো রেখাগুলি একটি আত্মবিশ্বাস ব্যান্ড গঠন করে । ইনফারেন্সে ব্যাক কনফিডেন্স ব্যান্ডের ব্যবহার ফ্রিকোয়েন্সিস্ট স্ট্যাটিস্টিকাল ইনফারেন্সের অন্য কোনও স্ট্যান্ডার্ড ফর্মের মতো। এটি হ'ল, যখন মানগুলি ব্যান্ডের মধ্যে পড়ে, তখন আমরা নাল অনুমানটিকে বাতিল করতে পারি না যে পোস্ট করা বিতরণটি সঠিক। এটি বলার মতো নয় যে আমরা জানি পোষ্ট করা বিতরণটি সঠিক। (নোট করুন যে হাইপোথিসিস টেস্টিংয়ের বিষয়ে ফিশেরিয়ান দৃষ্টিভঙ্গি নেইম্যান-পিয়ারসনের চেয়ে বেশি পছন্দযোগ্য এমন একটি পরিস্থিতিতে এখানে আমি অন্য উত্তরে যা আলোচনা করেছি তার এটি একটি দুর্দান্ত উদাহরণ )
3. আপনার আরও তথ্য প্রয়োজন; আপনার এখানে মাত্র 20। $N$

Comments

ছোট নমুনা আকারের জন্য বিতরণ পরীক্ষা করার উপায় আছে?

— প্রোটন

আসলে এটি মনে হয় যে পয়েন্টগুলি সমস্ত বিতরণের জন্য আস্থা ব্যান্ডগুলিতে থাকে। সুতরাং আমরা বিতরণ আলাদা করতে পারি না?

— প্রোটন

$n=20$$\approx 5\%$

ছোট নমুনার আকারে +1। 300 টি নমুনা ব্যবহার করা জিনিসগুলিকে অনেক পার্থক্য করতে সহায়তা করবে। প্রোটন: না, আপনি কোনও ছোট নমুনা দিয়ে বিতরণকে সত্যই আলাদা করতে পারবেন না। তুমি কীভাবে? এটি 20 পিক্সেল সহ একটি মুখ সনাক্ত করার চেষ্টা করার মতো।

— ওয়েইন

Answer 2

দেখে মনে হচ্ছে লগ-স্বাভাবিকের জন্য কিউকিউ প্লট প্রায় ওয়েইবুলের কিউকিউ প্লটের মতোই।

হ্যাঁ.

কীভাবে আমরা তাদের পার্থক্য করতে পারি?

নমুনা আকারে, আপনি সম্ভবত পারেন না।

এছাড়াও যদি পয়েন্টগুলি দুটি বাহ্যিক কালো রেখার দ্বারা সংজ্ঞায়িত অঞ্চলের মধ্যে থাকে তবে এটি কি নির্দেশ করে যে তারা নির্দিষ্ট বন্টন অনুসরণ করে?

না এটি কেবলমাত্র ইঙ্গিত করে যে আপনি সেই বিতরণ থেকে আলাদা বলে ডেটা বন্টন বলতে পারবেন না। এটি কোনও পার্থক্যের প্রমাণের অভাব, পার্থক্যের অভাবের প্রমাণ নয়।

আপনি প্রায় নিশ্চিত হতে পারেন যে ডেটা এমন একটি বিতরণ যা আপনার বিবেচ্য বিষয়গুলির মধ্যে কোনওটিই নয় (কেন এটি কোনওটির থেকে হুবহু হবে ?)।

Comments

শব্দবন্ধগুলির মতো: "এটি কোনও পার্থক্যের প্রমাণের অভাব, পার্থক্যের অভাবের প্রমাণ নয়" "

— jlandercy