এই প্রশ্নের কোনও উত্তর থাকতে পারে।
একটি বিকল্প হ'ল যে কোনও সমস্যার জন্য দক্ষতার সাথে দুটি অনুমান নির্ধারণের জন্য পদ্ধতিগুলির জন্য জিজ্ঞাসা করা যেতে পারে। বায়েশিয়ান পদ্ধতিগুলি এই আদর্শের খুব কাছে। তবে, ঘনত্ববাদী বিন্দু অনুমানটি নির্ধারণের জন্য মিনিম্যাক্স পদ্ধতি ব্যবহার করা যেতে পারে, সাধারণভাবে, মিনিম্যাক্স পদ্ধতির প্রয়োগটি এখনও কঠিন থেকে যায়, এবং অনুশীলনে ব্যবহার করা হয় না।
অন্য বিকল্প হ'ল বায়েশিয়ান এবং ঘন ঘন অনুমানকারীরা "সামঞ্জস্যপূর্ণ" ফলাফলগুলি সরবরাহ করে এবং সেই অনুমানকারীদের দক্ষতার সাথে গণনা করার জন্য পদ্ধতিগুলি সনাক্ত করার চেষ্টা করে সেই অবস্থার বিষয়ে প্রশ্নটি পুনরায় প্রকাশ করা। এখানে "সামঞ্জস্যপূর্ণ" বোঝাতে নেওয়া হয়েছে যে বায়সিয়ান এবং ঘন ঘনবাদী অনুমানকারীগুলি একটি সাধারণ তত্ত্ব থেকে উদ্ভূত হয় এবং উভয় অনুমানকারীদের জন্য অনুকূলতার একই মাপদণ্ড ব্যবহার করা হয়। এটি বায়েশিয়ান এবং ঘন ঘনবাদী পরিসংখ্যানের বিরোধিতা করার চেষ্টা থেকে খুব আলাদা এবং উপরের প্রশ্নটি অতিমাত্রায় উপস্থাপন করতে পারে। একটি সম্ভাব্য পদ্ধতির লক্ষ্য হ'ল ঘন ঘন ঘন মামলা এবং বায়েশিয়ান ক্ষেত্রে উভয় ক্ষেত্রেই সিদ্ধান্ত সেট করে যে প্রদত্ত আকারের ক্ষতির পরিমাণ হ্রাস করে, যেমন প্রস্তাবিত
শ্যাফার, চাদ এম, এবং ফিলিপ বি স্টার্ক। "সর্বোত্তম প্রত্যাশিত আকারের আত্মবিশ্বাসের অঞ্চলগুলি তৈরি করা।" আমেরিকান স্ট্যাটিস্টিকাল অ্যাসোসিয়েশনের জার্নাল 104.487 (২০০৯): 1080-1089।
দেখা যাচ্ছে যে এটি সম্ভব - ঘন ঘন ঘনবাদী এবং বায়েশিয়ান ক্ষেত্রে উভয়ই - বৃহত্তর পয়েন্টওয়াইজ পারস্পরিক তথ্যের সাথে অগ্রাধিকার পর্যবেক্ষণ এবং পরামিতিগুলি অন্তর্ভুক্ত করে। সিদ্ধান্তের সেটগুলি অভিন্ন হবে না, যেহেতু জিজ্ঞাসা করা প্রশ্নটি আলাদা is
- প্রকৃত প্যারামিটারটি থেকে আলাদা, ভুল সিদ্ধান্ত নেওয়ার ঝুঁকি সীমাবদ্ধ করুন (ঘনঘনবাদী দৃষ্টিভঙ্গি)
- কিছু পর্যবেক্ষণ দেওয়া হয়েছে, সিদ্ধান্ত সেটের মধ্যে ভুল পরামিতি অন্তর্ভুক্ত করার ঝুঁকি সীমাবদ্ধ করুন (বায়েসিয়ান ভিউ)
তবে ফ্ল্যাট প্রিয়ার ব্যবহার করা থাকলে সেটগুলি বেশিরভাগ ক্ষেত্রে ওভারল্যাপ হয়ে যাবে এবং কিছু পরিস্থিতিতে অভিন্ন হয়ে উঠবে। একটি দক্ষ প্রতিবন্ধীকরণের সাথে আইডিয়াটি আরও বিশদে আলোচনা করা হয়েছে
বার্টেলস, খ্রিস্টান (2015): জেনেরিক এবং ধারাবাহিক আত্মবিশ্বাস এবং বিশ্বাসযোগ্য অঞ্চল। figshare।
https://doi.org/10.6084/m9.figshare.1528163
তথ্যবহুল প্রিরিয়ারদের জন্য সিদ্ধান্তটি আরও বিচ্যুতি নির্ধারণ করে (যেমনটি সাধারণত জানা যায় এবং প্রশ্নে এবং উপরের উত্তরে চিহ্নিত করা হয়েছিল)। তবে সামঞ্জস্যপূর্ণ কাঠামোর মধ্যে, একটি ঘন ঘন পরীক্ষার্থী গ্রহণ করে যা পছন্দসই ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘন ঘনত্বের কভারেজের গ্যারান্টি দেয় তবে পূর্বের জ্ঞানের বিষয়টি বিবেচনায় রাখে।
বারটেলস, খ্রিস্টান (2017): ঘন ঘন পরীক্ষাগুলিতে পূর্ববর্তী জ্ঞান ব্যবহার করা। figshare।
https://doi.org/10.6084/m9.figshare.4819597
প্রস্তাবিত পদ্ধতিগুলিতে এখনও মার্জিনাইজেশনের কার্যকর প্রয়োগের অভাব রয়েছে।