বায়েশিয়ান অপ্রয়োজনীয় প্রিয়ার বনাম ঘন ঘন নাল অনুমান: সম্পর্ক কী?


11

আমি এখানে একটি ব্লগ পোস্টে এই চিত্রটি জুড়ে এসেছি

কোনও মোশ গর্তের কেউ ইউরেকার অভিজ্ঞতা নিচ্ছে!  মুহূর্ত

আমি হতাশ হয়েছি যে বিবৃতিটি পড়া আমার পক্ষে একই মুখের ভাবটি প্রকাশ করে নি যেমন এই লোকটির জন্য হয়েছিল।

সুতরাং, নাল অনুমানটি এই বক্তব্যটির দ্বারা কী বোঝানো হয় যে ঘনত্ববিদরা কীভাবে একটি অপ্রয়োজনীয় পূর্বে প্রকাশ করে? এটা কি সত্যি?


সম্পাদনা: আমি আশা করছি যে কেউ এমন একটি দাতব্য ব্যাখ্যার প্রস্তাব দিতে পারে যা বিবৃতিটিকে সত্য করে তোলে এমনকি কিছুটা স্বল্প অর্থেও।


3
আমি এটা সঠিক মনে করি না। প্রথমত, কেউ কি কোনও টি-টেস্টের সম্ভাবনা লিখতে পারেন? তারপরে আমরা উপমাগুলি নিয়ে কথা বলতে শুরু করতে পারি। ঠিক আছে, এবং আপনি না পারলে ... আমরা সেই চিত্রটির কোনও অর্থই রাখব না।
যৌথ_পি

উত্তর:


10

নাল হাইপোথিসিস বায়েসিয়ানরা বেইস হাইপোথোসিসগুলি ব্যবহার করতে পারে এবং বেয়েসের কারণগুলি ব্যবহার করে হাইপোথিসিস পরীক্ষা করতে পারে তার সহজ কারণে বায়েশিয়ান অজানা ধারণাটির সমতুল্য নয়। যদি তারা সমতুল্য হয়, বায়েশিয়ানরা নাল অনুমান ব্যবহার করবে না।

তবে, ঘন ঘনবাদী এবং বায়সীয় অনুমান উভয়ই পরীক্ষা-নিরীক্ষা আত্ম-সংশয়বাদের একটি উপাদানকে অন্তর্ভুক্ত করে, এতে আমাদের প্রমাণ করতে হবে যে আমাদের বিকল্প অনুমানটি কোনওভাবে এলোমেলো সুযোগের চেয়ে পর্যবেক্ষণের জন্য আরও প্রশংসনীয় ব্যাখ্যা। ঘনঘনবাদীরা এটি একটি তাত্পর্য স্তর থাকার মাধ্যমে করেন, বায়েসীয়রা বেয়েস ফ্যাক্টরের জন্য একটি ব্যাখ্যার স্কেল থাকার মাধ্যমে এটি করেন, যেমন নাল হাইপোথিসিসের উপরে বায়েস ফ্যাক্টর পর্যাপ্ত পরিমাণে না থাকলে আমরা কোনও অনুমানের দৃ strongly়তার সাথে প্রচার করব না।

এখন ঘনত্ববাদী হাইপোথিসিস পরীক্ষাগুলি পাল্টা স্বজ্ঞাত হওয়ার কারণটি হ'ল একজন ঘনঘনবাদী একটি অনুমানের সত্যকে অ-তুচ্ছ সম্ভাবনা প্রদান করতে পারে না, যা দুঃখজনকভাবে আমরা সাধারণত যা চাই তা তাই। তারা এর নিকটতম নিকটস্থল হ'ল পি-ভ্যালু (এইচ 0 এর অধীনে পর্যবেক্ষণের সম্ভাবনা) গণনা করা এবং তারপরে এইচ-এস বা এইচ 1 প্রশংসনীয় কিনা তা থেকে একটি বিষয়গত সিদ্ধান্তে টানুন। বায়েসিয়ান একটি অনুমানের সত্যতার সম্ভাবনা নির্ধারণ করতে পারে এবং তাদের সম্ভাব্য অনুমানের একটি ইঙ্গিত দেওয়ার জন্য এই সম্ভাবনার অনুপাতগুলি কার্যকর করতে পারে বা কমপক্ষে পর্যবেক্ষণগুলি কীভাবে এই সম্ভাবনার অনুপাতকে পরিবর্তন করে (যা কোনটি বেয়েস ফ্যাক্টরটি করে)।

আমার মতে এটি ঘনত্ববাদী এবং বায়সীয় অনুমান পরীক্ষা পদ্ধতির মধ্যে খুব বেশি সমান্তরাল আঁকতে চেষ্টা করা খারাপ ধারণা কারণ তারা মূলত পৃথক এবং মৌলিকভাবে বিভিন্ন প্রশ্নের উত্তর দেয়। তাদের সমতুল্য হওয়ায় তাদের সাথে চিকিত্সা করা ঘন ঘন ঘন পরীক্ষার বায়েশিয়ান ব্যাখ্যাকে উত্সাহ দেয় (উদাহরণস্বরূপ পি-ভ্যালু ফলসেসি) যা বিপজ্জনক (উদাহরণস্বরূপ জলবায়ু সংশয়ীরা ধরেই নিয়েছেন যে বৈশ্বিক গড়ের পৃষ্ঠের তাপমাত্রায় কোনও পরিসংখ্যানগতভাবে তাত্পর্যপূর্ণ প্রবণতার অভাব বলতে বোঝায় যে সেখানে কোন উষ্ণতা ছিল না - যা মোটেও সঠিক নয়)।


9

লোকটির মতো আপনার মুখের মতো একই মুখের চেহারার চেহারা নেই বলে আমি মনে করি। । । বিবৃতি সত্য নয়।

নাল হাইপোথিসিস হ'ল অনুমান যা নিয়ন্ত্রণ এবং পরীক্ষামূলক অবস্থার মধ্যে যে কোনও পার্থক্য সুযোগের কারণে হয়।

একটি তথ্যহীন পূর্ববর্তী বলতে বোঝানো হয় যে কোনও প্রশ্নের পূর্ববর্তী ডেটা আপনার কাছে রয়েছে তবে পরবর্তী বারের মতো কী আশা করা যায় তা সম্পর্কে এটি আপনাকে কিছু বলে না। একজন বায়েশিয়ান সম্ভবত কোনও অজানা বিতরণ এমনকি কোনও পূর্বের তথ্য আছে তা বজায় রাখতে পারে।

সুতরাং নাল অনুমানটি বলে যে নিয়ন্ত্রণ এবং পরীক্ষামূলক মধ্যে কোন পার্থক্য নেই; অন্যদিকে একটি অপ্রয়োজনীয় পূর্বে সম্ভব বা নাও হতে পারে, এবং যদি এটি নিয়ন্ত্রণ এবং পরীক্ষামূলক মধ্যে পার্থক্য সম্পর্কে কিছুই নির্দেশ না করে (যা কোনও পার্থক্যের কারণেই ইঙ্গিত থেকে পৃথক)।

যদিও তথ্যহীন প্রবীণদের সম্পর্কে আমার বোঝার অভাব বোধ করছি। আমি অন্যান্য উত্তরের অপেক্ষায় রয়েছি


2
আমি কেবল এটিই যুক্ত করব যে বিতরণকারীদের কোনও বিশেষ আকর্ষণীয় বৈশিষ্ট্যের চেয়ে অ-তথ্যসূত্রে প্রিয়াররা গবেষকের মনোভাব সম্পর্কে বেশি। বেলিসিয়ান ডেটা অ্যানালাইসিসে গেলম্যান যে মনোভাবের পক্ষে যুক্তি দেখান, যদিও আমি পৃষ্ঠা নম্বরটি পাই না বলে মনে হয়।
সাইকোরাক্স মনিকা

7
নাল অনুমান সবসময় এক হয় না। নাল হাইপোথিসিসটি কেবলমাত্র একটি বিকল্প "বিরক্তিকর" অনুমান যা আপনাকে আপনার "আকর্ষণীয়" হাইপোথিসিসের সাথে তুলনা করে, এটি দেখার জন্য যে ডেটা একে অপরের উপরে সমর্থন করে কিনা। আসলে, "কোনও পার্থক্য নেই" আসলে একটি খারাপ নাল অনুমান, যেহেতু আপনি জানেন যে এটি প্রাক-অগ্রণী এটি মিথ্যা। আরও ভাল "পার্থক্যটি আমার যত্ন নেওয়ার কিছুটা নীচে"।
স্টম্পি জো পিট

@ ক্রাইস্টা উত্তরের জন্য ধন্যবাদ, এবং মূলত আমার বক্তব্যটির প্রতি একই চিন্তাভাবনা ছিল, তবে সম্ভবত এমন কোনও ধারণা রয়েছে যাতে বিবৃতিটি সত্য?
জেরাদ 21

আমার সর্বোত্তম অনুমান যে নাল অনুমানটি হ'ল ঘনত্ববাদীদের প্রাথমিক বিন্দু, বা অনুমানের খালি সেট ?; সম্ভবত এই লেখক মনে করেন যে এই তথ্যহীন পূর্ববর্তীটি বায়েশিয়ানদের জন্য সূচনা বিন্দু, তবে নিয়মিত তথ্যবহুল পূর্বের একটি ভাল এনালগ হ'ল যদি সেটাই বোঝায়। নাল হাইপোথিসিস এবং ইনফরমেশনাল পূর্বে সাজানোর ধারণাগত সাদৃশ্য রয়েছে - এগুলি উভয়ই কোনও তথ্য / প্রভাব ধরে নিচ্ছেন না। তবে তা বেশ অস্পষ্ট!
ক্রাইস্টা

"একজন বায়েশিয়ান সম্ভবত বজায় রাখতে পারবেন যে কোনও তথ্য আগে রয়েছে"। তবে, জেফরির পূর্বের একজন ছিলেন তথ্যহীন।
নীল জি

4

দেখুন এই Wikipedia নিবন্ধটি :

একক পর্যায়ে পরিসংখ্যানের সংক্ষিপ্তসারযোগ্য একক প্যারামিটার এবং ডেটার ক্ষেত্রে, এটি দেখা যায় যে বিশ্বাসযোগ্য ব্যবধান এবং আত্মবিশ্বাসের ব্যবধানটি যদি অজানা প্যারামিটারটি কোনও অবস্থানের প্যারামিটার (...) থাকে তবে এর সাথে মিলিত হবে এটি অভিন্ন ফ্ল্যাট বিতরণ (...) এবং অজানা প্যারামিটারটি কোনও জেফরির পূর্ববর্তী সহ একটি স্কেল প্যারামিটার (...) হয়।

প্রকৃতপক্ষে, রেফারেন্সটি জয়েসকে নির্দেশ করে:

জেনেস, ইটি (1976), আত্মবিশ্বাসের বিরতি বনাম বয়েসিয়ান অন্তরগুলি

185 পৃষ্ঠায় আমরা এটি পেতে পারি:

যদি কেস (আই) উদ্ভূত হয় (এবং এটি উপলব্ধির চেয়ে প্রায়শই ঘটে) তবে বেইসিয়ান এবং গোঁড়া পরীক্ষাগুলি আমাদের ঠিক একই ফলাফল এবং একই উপসংহারে নিয়ে যাবে, আমাদের 'সম্ভাব্যতা' বা 'ব্যবহার করা উচিত কিনা তা নিয়ে মৌখিক মতবিরোধের সাথে তাত্পর্য 'তাদের বর্ণনা।

সুতরাং, আসলে একই রকম ঘটনা আছে, তবে আমি চিত্রায় থাকা বিবৃতিটি সত্য বলে বলব না, উদাহরণস্বরূপ, আপনি যদি কচির বিতরণকে সম্ভাবনা হিসাবে ব্যবহার করেন ...


4

আমিই সেই গ্রাফিকটি তৈরি করেছি, যদিও সংযুক্ত পোস্টে উল্লেখ করা হয়েছে এটি মূলত আমার অন্তর্দৃষ্টি নয়। এটি কীভাবে উঠে এসেছে তার জন্য আমাকে কিছু প্রসঙ্গ সরবরাহ করুন এবং আমি কীভাবে এটি বুঝি তার ব্যাখ্যা দেওয়ার জন্য যথাসাধ্য চেষ্টা করুন। এই শিক্ষার্থীর সাথে আলোচনার সময় এই উপলব্ধি ঘটেছিল যে বেশিরভাগ পয়েন্ট অবধি অনুমানের জন্য বায়েশিয়ান পদ্ধতি শিখেছে। পুরো হাইপোথিসিস পরীক্ষার দৃষ্টান্তটি বোঝার জন্য তিনি বেশ কঠিন সময় কাটাচ্ছিলেন এবং আমি এই সিদ্ধান্তে বিভ্রান্তিকর পদ্ধতির ব্যাখ্যা দেওয়ার জন্য যথাসাধ্য চেষ্টা করছিলাম (যদি আপনি "পার্থক্য "টিকে একটি নেতিবাচক বলে মনে করেন - যেমন নাসমান - তারপরে স্ট্যান্ডার্ড নাল হাইপোথিসিস পদ্ধতির একটি ট্রিপল নেগেটিভ: গবেষকদের লক্ষ্যটি দেখানো যে কোনও পার্থক্য নেই)। সাধারণভাবে এবং অন্য প্রতিক্রিয়াতে যেমন বলা হয়েছে, গবেষকরা সাধারণত কিছুটা পার্থক্য থাকার প্রত্যাশা করেন; তারা সত্যিই যা আশা করবে তা হ'ল শূন্য "প্রত্যাখ্যান" করার দৃ conv়প্রত্যয়ী প্রমাণ। পক্ষপাতহীন হওয়ার জন্য, এগুলি মূলত অজ্ঞতার পরিচয় দিয়ে শুরু করে, যেমন: "আচ্ছা, সম্ভবত এই ড্রাগটি মানুষের উপর শূন্য প্রভাব ফেলে।" তারপরে তারা ডেটা সংগ্রহ এবং বিশ্লেষণের মাধ্যমে (যদি তারা পারেন) দেখানোর জন্য এগিয়ে যায়, যে এই নাল অনুমান, তথ্য প্রদত্ত, একটি খারাপ ধারণা ছিল।

একজন বায়েশিয়ানের কাছে এটি অবশ্যই সংবিধান সূচনা পয়েন্টের মতো মনে হবে। আপনার পূর্ববর্তী বিশ্বাসগুলি সরাসরি ঘোষণা করে কেন শুরু করবেন না, এবং এর আগে কোনও এনকোডিং করে আপনি কী (এবং না তা) ধরে নিচ্ছেন তা সম্পর্কে পরিষ্কার হন? এখানে একটি মূল বিষয় হ'ল একটি ইউনিফর্ম পূর্বে নয়একটি অবিজ্ঞানী পূর্ব হিসাবে একই। যদি আমি 1000 বার একটি মুদ্রা টস করি এবং 500 টি মাথা পাই তবে আমার নতুন পূর্বের মাথা এবং লেজ উভয়কে সমান (অভিন্ন) ওজন নির্ধারণ করে, তবে এর বিতরণ বক্ররেখা খুব খাড়া। আমি অতিরিক্ত তথ্য এনকোডিং করছি যা অত্যন্ত তথ্যপূর্ণ! সত্যিকারের অননুমোদিত পূর্বের (সীমাতে নেওয়া) কোনও ওজন বহন করবে না। এর অর্থ হ'ল, স্ক্র্যাচ থেকে শুরু করে এবং ঘন ঘনবাদী অভিব্যক্তি ব্যবহার করার জন্য, ডেটাটি নিজের পক্ষে কথা বলা যাক। "ক্লারেন্স" দ্বারা করা পর্যবেক্ষণটি হ'ল এই তথ্যের অভাবকে এনকোড করার ঘন ঘন পদ্ধতিটি নাল অনুমানের সাথে। এটি পূর্বসূচীর মতো ঠিক একই রকম নয় ; এটি সর্বাধিক অজ্ঞতা একটি সৎ উপায়ে প্রকাশ করার জন্য ঘনঘনবাদী পদ্ধতি, যা আপনি প্রমাণ করতে চান তা অনুমান করে না।


2
ঘনঘনবাদী নাল অনুমানটি সর্বাধিক অজ্ঞতা প্রকাশ করে না, এটি ধরে নেওয়া শুরু করে যে নাল অনুমানটি সত্য এবং আমাদের কেবলমাত্র বিকল্প অনুমান নিয়ে এগিয়ে যেতে হবে যদি পর্যালোচনাগুলি এইচ 0 এর অধীনে পর্যাপ্ত সম্ভাবনা না থাকে। এটি যুক্তিযুক্ত হতে পারে যে নাল হাইপোথিসিস টেস্টিং কিছু আগে পূর্বে এনকোড করে, তবে এটি একটি সিদ্ধান্তযুক্ত তথ্যমূলক। আমার মতে বায়েশিয়ান পদগুলিতে ঘন ঘনবাদী হাইপোথিসিস পরীক্ষার ব্যাখ্যার চেষ্টা করা বিপথগামী এবং ত্রুটির একটি রেসিপি; তারা একই প্রশ্নের উত্তর নয়।
ডিকরান মার্সুপিয়াল

@ ডিকরান মার্সুপিয়াল এটি কিছুটা হলেও অন্তহীন বিতর্ক, তবে একটি নিয়মিত দৃষ্টিকোণ থেকে আমি নালটিকে "সিদ্ধান্তগতভাবে তথ্যবহুল" হিসাবে দেখার কোনও উপায় দেখি না। যদি এটি হয় তবে শূন্যটিকে প্রত্যাখ্যান করতে ব্যর্থ হওয়া শূন্যতার প্রমাণ হিসাবে দেখা হবে (যেহেতু নাল সম্পর্কে আমাদের "ইতিমধ্যে" তথ্য আছে)। আইএমও সূচনার সমস্ত পন্থা একই আন্তঃসম্পর্কিত প্রশ্নের উত্তর দেওয়ার চেষ্টা করছে: "ডেটা কীভাবে ব্যাখ্যা করা উচিত?" এবং "মামলাটি কতটা শক্তিশালী?"
ম্যাট আশের

1
নাল নিজেই তথ্যবহুল বা তথ্যহীন নয়, তবে প্রচলিত ঘনত্ববাদী হাইপোথিসিস টেস্টিং সহজাতভাবে (এবং বেশ সঠিকভাবে) এইচ 0 এর প্রতি পক্ষপাতদুষ্ট (যদি আপনি কোনও শক্তি বিশ্লেষণও না করেন)। এই পক্ষপাতটিকে পূর্বের সাথে তুলনা করা যেতে পারে তবে এটি একটি তথ্যমূলক হবে। প্রিয়া এবং অনুমানের তুলনা করা কেবল অর্থবহ নয়, তারা বিশ্লেষণে বিভিন্ন উদ্দেশ্যে পরিবেশন করে; দ্রষ্টব্য বেইসিয়ান হাইপোথিসিস টেস্টিংয়ে নাল হাইপোথেসিসও ব্যবহার করেন (প্রশ্নের উত্তরটি আমার উত্তর দেখুন) যেখানে এটি ঘনত্ববাদী হাইপোথিসিস পরীক্ষার মতো একই উদ্দেশ্যে কাজ করে।
ডিকরান মার্সুপিয়াল

3
পরিষ্কার হওয়ার জন্য, ওষুধের উদাহরণটি ব্যবহার করে, আমরা অজ্ঞতার পরিচয় দিয়ে শুরু করি না "ভাল, সম্ভবত এই ড্রাগটি লোকদের উপর শূন্য প্রভাব ফেলেছে।", আমরা নাল অনুমানটি সঠিক বলে ধরে নিয়েই শুরু করি "ড্রাগের শূন্য প্রভাব রয়েছে এবং এটি আপ ওষুধ সংস্থাটি এটি প্রতিষ্ঠিত করার জন্য এটির প্রভাব ফেলে তা প্রমাণ করে যে এলোমেলো সুযোগের মাধ্যমে ফলাফলগুলি পর্যাপ্তভাবে ব্যাখ্যা করা যায় না "। এই দৃষ্টিভঙ্গি যে আত্ম-সংশয় জোগায় তা হ'ল "নাল আচার" এর বহুবিধ ত্রুটি থাকা সত্ত্বেও বিজ্ঞানে এখনও ব্যবহারিক মূল্য নেই।
ডিকরান মার্শুপিয়াল
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.