গামার একটি সম্পত্তি লগনারমাল দ্বারা ভাগ করা আছে; যথা যখন আকারের প্যারামিটারটি স্থির থাকে যখন স্কেল প্যারামিটারটি বিবিধ হয় (সাধারণত মডেলগুলির জন্য কোনও ব্যবহার করার সময় এটি করা হয়), তারতম্যটি স্কোয়ার (পরিবর্তনের ধ্রুবক সহগ) এর সমানুপাতিক।
এর আনুমানিক কিছু হ'ল প্রায়শই আর্থিক তথ্য, বা প্রকৃতপক্ষে, অন্যান্য অনেক ধরণের ডেটার সাথে ঘটে।
ফলস্বরূপ এটি প্রায়শই তথ্যের জন্য উপযুক্ত যা অবিচ্ছিন্ন, ধনাত্মক, ডান-স্কিউ এবং যেখানে লগ-স্কেলে বৈকল্পিক কাছাকাছি স্থির থাকে, যদিও এর সাথে অন্যান্য বেশ কয়েকটি সুপরিচিত (এবং প্রায়শই সহজেই সহজলভ্য) বিকল্পগুলি রয়েছে those বৈশিষ্ট্য।
আরও, গামা জিএলএম (এটি প্রাকৃতিক লিঙ্কটি ব্যবহার করা তুলনামূলকভাবে বিরল) এর সাথে লগ-লিঙ্কটি ফিট করা সাধারণ। এটি একটি লিনিয়ার মডেলটিকে ডেটার লগের সাথে ফিট করার থেকে কিছুটা পৃথক করে তোলে তা হ'ল লগ স্কেলে গামা বিভিন্ন ডিগ্রিতে স্কু ছেড়ে যায় যখন স্বাভাবিক (লগনের সাধারণ লগ) প্রতিসম হয়। এটি এটিকে (গামা) বিভিন্ন পরিস্থিতিতে দরকারী করে তোলে।
আমি (আমার মাথার উপরের অংশে) ডি জং এন্ড হেলার এবং ফ্রিস এবং সেই সাথে অসংখ্য কাগজপত্রে আলোচিত গ্যামার জিএলএমগুলির বাস্তব ব্যবহারের উদাহরণ দেখেছি (বাস্তব তথ্য উদাহরণ সহ) ; আমি অন্যান্য ক্ষেত্রেও অ্যাপ্লিকেশন দেখেছি। ওহ, এবং যদি আমি সঠিক মনে রাখবেন, ভেনাবল্সকে এবং মধ্যে Ripley ভরের এটা স্কুল অনুপস্থিতির (quine ডেটার উপর ব্যবহার করে; সম্পাদনা: সক্রিয় আউট এটা আসলে এর ভর পরিসংখ্যান সম্পূরক , p11 দেখতে, পিডিএফ 14 পৃষ্ঠা, এটি একটি লগ লিঙ্ক আছে কিন্তু ডিভির একটি ছোট শিফট আছে)। উহ, এবং ম্যাককুল্লাগ এবং নেলদার রক্ত জমাট বাঁধার উদাহরণ করেছিলেন, যদিও এটি সম্ভবত প্রাকৃতিক যোগসূত্র ছিল।
তারপরে ফ্যারাওয়ের বই রয়েছে যেখানে তিনি একটি গাড়ি বীমা উদাহরণ এবং একটি অর্ধপরিবাহী উত্পাদন ডেটা উদাহরণ করেছেন।
দুটি বিকল্পের যে কোনও একটি বেছে নেওয়ার কিছু সুবিধা এবং কিছু অসুবিধা রয়েছে। এই দিনগুলি উভয়ই ফিট করা সহজ; এটি সবচেয়ে উপযুক্ত কি তা বেছে নেওয়ার বিষয়।
এটি একমাত্র বিকল্প থেকে অনেক দূরে; উদাহরণস্বরূপ, গামা বা লগনরমাল উভয়ের তুলনায় বিপরীত গাউসিয়ান জিএলএমগুলিও রয়েছে যেগুলি আরও স্কিউ / ভারি লেজযুক্ত (এবং আরও বেশি ভিন্ন ভিন্ন) ailed
অপূর্ণতা হিসাবে, ভবিষ্যদ্বাণী অন্তরগুলি করা আরও শক্ত to কিছু ডায়াগনস্টিক ডিসপ্লে ব্যাখ্যা করা শক্ত। লিনিয়ার প্রেডিক্টর (সাধারণত লগ-স্কেল) এর স্কেলে প্রত্যাশার গণনা করা সমতুল্য লগনরমাল মডেলের চেয়ে শক্ত। হাইপোথিসিস পরীক্ষা এবং অন্তরগুলি সাধারণত অ্যাসিম্পটোটিক হয়। এগুলি প্রায়শই অপেক্ষাকৃত ছোটখাটো সমস্যা।
লগ-লিঙ্ক লগনিকাল রিগ্রেশন (লগ নেওয়া এবং একটি সাধারণ লিনিয়ার রিগ্রেশন মডেল ফিটিং) এর কিছু সুবিধা রয়েছে; একটি হল ভবিষ্যদ্বাণী করা সহজ।