কোনও মডেলের পরামিতিগুলি অনুমান করার জন্য বেশ কয়েকটি পদ্ধতি রয়েছে। এটি পরিসংখ্যান / ইকোনোমেট্রিক্সের মূল অংশ। জিএমএম (মুহুর্তগুলির জেনারালাইজড মেথড) এ জাতীয় একটি পদ্ধতি এবং এটি বেশ কয়েকটি অন্যান্যের চেয়ে আরও দৃ rob় (পরিসংখ্যানগত ও আক্ষরিক [অ-পরিসংখ্যান দর্শকদের জন্য])।
এটি স্বজ্ঞাত হওয়া উচিত যে অনুমানের প্রক্রিয়াতে জড়িত আপনার মডেলটি কতটা ভাল ফিট করে তা জড়িত। জিএমএম এটি করার সময় সাধারণ মডেলের চেয়ে বেশি শর্ত ব্যবহার করে।
(আপনি গড় এবং বৈচিত্রটি উল্লেখ করেছেন I আমি এটি একটি পরিচিত ধারণা অনুমান করছি)। গড় এবং ভেরিয়েন্স হ'ল ডেটার কয়েকটি প্রাথমিক মেট্রিক। কোনও ব্যক্তি এটির প্রকৃতি বোঝার জন্য ডেটা মডেল করে। একটি নিখুঁত (অনুমানমূলক মডেল) মাধ্যমে এবং এর মাধ্যমে ডেটা ব্যাখ্যা করবে।
আসুন আমরা একটি বিল্ডিংয়ের সমস্ত ব্যক্তির মডেলিংয়ের উচ্চতাগুলির উদাহরণ নিই। দুটি মেট্রিকের গড় এবং বৈকল্পিক রয়েছে। গড় প্রথম স্তরের মেট্রিক, বৈকল্পিকতা দ্বিতীয় স্তরের মেট্রিক। গড়ে সমস্ত উচ্চতা যুক্ত করা হয় এবং লোক সংখ্যা দ্বারা এটি ভাগ করা হয়। এটি আপনাকে 11 ফুট মত হাস্যকর কিছু বলে। 5 ফুট বুদ্ধিমান।
এখন তারতম্যটি বিবেচনা করুন, এটি তথ্যের একটি অতিরিক্ত স্তর বলবে: 6 ফুট হাস্যকর নয় (গড়ের ভিত্তিতে) তবে ব্যক্তির উচ্চতা 6 ফুট হওয়া কতটা সম্ভব। বিল্ডিংটি যদি কোনও মধ্য বিদ্যালয়ের ভবন হয় তবে এটির সম্ভাবনা কি কম? এটি যদি অফিস বিল্ডিংয়ের সম্ভাবনা বেশি থাকে।
এগুলি প্রযুক্তিগতভাবে ডেটাগুলির মুহুর্তগুলির কিছু উদাহরণ (গড় এবং বৈচিত্র্য ব্যাখ্যা করার পরে, আরামদায়ক হওয়া উচিত?)। একজনের মডেলটি ভালভাবে কাজ করা উচিত যদি এটি পরিলক্ষিত গড় এবং বৈকল্পিকতার এই শর্তগুলি পালন করে। গড় এবং বৈচিত্রের বাইরেও রয়েছে আরও কয়েকটি মেট্রিক।
জিএমএম এই উচ্চতর মেট্রিক্স (মুহুর্তের) জন্য মডেলটিকে ফিট করে। সহজ পদ্ধতিগুলি ছোট ছোট মেট্রিকগুলি সরবরাহ করে। নামটি যা প্রস্তাব দেয় তা সাধারণীকরণ পদ্ধতি - এটি যতটা সম্ভব সাধারণ হওয়ার চেষ্টা করে।