অ-পরিসংখ্যানবিদকে মুহুর্তগুলির সাধারণীকরণ পদ্ধতি ব্যাখ্যা করা


11

মুহুর্তগুলির জেনারালাইজড পদ্ধতিগুলি কীভাবে ব্যাখ্যা করব এবং এটি কোনও অ-পরিসংখ্যানবিদকে কীভাবে ব্যবহার করা হয়?

এখন পর্যন্ত আমি যাচ্ছি: এটি সংগ্রহ করা নমুনার উপর ভিত্তি করে গড় এবং প্রকরণের মতো পরিস্থিতি অনুমান করার জন্য আমরা ব্যবহার করি।

আপনি পার্থক্যটি হ্রাস করে প্যারামিটার ভেক্টর যেখানে অনুমান করেন সেই অংশটি কীভাবে ব্যাখ্যা করব?


1
কোনও নন স্ট্যাটিস্টিস্টকে বৈকল্পিকতা হ্রাস করার বিষয়ে কেন জানতে হবে? এই ব্যক্তিটি মুহুর্তের প্রাক্কলনের স্বাভাবিক পদ্ধতিটি বুঝতে পারে? আপনি যে জ্ঞানটি দেওয়ার চেষ্টা করছেন তার সাথে তাদের কী করার দরকার হবে?
এক_বীক্ষণ

উত্তর:


1

মুহুর্তগুলির ধ্রুপদী পদ্ধতিতে আপনি প্রতিটি প্যারামিটারের জন্য একটি মুহুর্তের শর্ত নির্দিষ্ট করে থাকেন যা আপনার অনুমান করতে হবে। সমীকরণের ফলস্বরূপ সেটগুলি তখন "কেবলমাত্র চিহ্নিত"। সিস্টেমটি সুনির্দিষ্টভাবে সনাক্ত না করা হলেও GMM এর সমাধান খুঁজে বের করার লক্ষ্য নিয়েছে। ধারণাটি হ'ল প্যারামিটারের অনুমানের মাধ্যমে ন্যূনতম দূরত্বের সমাধান সন্ধান করা যা মুহুর্তের পরিস্থিতি যতটা সম্ভব শূন্যের কাছাকাছি নিয়ে আসে।


5
কোনও অ-পরিসংখ্যানসম্পন্ন শ্রোতা যদি আপনি এই জাতীয় প্রযুক্তিগত শব্দভাণ্ডার ব্যবহার করেন - "মুহুর্তের পরিস্থিতি," "সুনির্দিষ্ট," ইত্যাদি fre তাই যদি আপনি ব্যাখ্যাটি সহজ করেন তবে তাদের পক্ষে এটি হজম করা সহজ হবে। আমি পরিবর্তনের হার হিসাবে এক ভেরিয়েবল রিগ্রেশনে opeাল প্যারামিটারটির অর্থ ব্যাখ্যা করে এবং তারপরে দর্শকদের একটি মাল্টিভারিয়েট মডেলটিতে সাধারণীকরণের পরামর্শ দিয়ে শুরু করব। আপনি যে ধরণের যোগাযোগের চেষ্টা করছেন তা সম্পূর্ণরূপে লাইনচ্যুত করতে পারে এমন ধরণের বিশদ সম্পর্কে আপনাকে জড়িত না করে এটি তাদের কল্পনাতে সমস্ত কিছু ফেলে দেয়।
মাইক হান্টার

1

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।

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.