স্যাম্পলিং বিতরণগুলি কি অনুমানের জন্য বৈধ?

Question

কিছু বায়েশিয়ানরা ঘন ঘন আক্রমণাত্মক অনুমানকে আক্রমণ করে যে "কোনও অনন্য নমুনা বিতরণ নেই" কারণ এটি গবেষকের উদ্দেশ্যগুলির উপর নির্ভর করে (ক্রুশকে, আগুইনিস, এবং জু, 2012, পৃষ্ঠা 733)।

উদাহরণস্বরূপ, বলুন কোনও গবেষক ডেটা সংগ্রহ শুরু করেন, তবে 40 জন অংশগ্রহণকারীদের পরে তার অর্থায়ন অপ্রত্যাশিতভাবে কাটা হয়েছিল। নমুনা বিতরণগুলি (এবং পরবর্তী সিআই এবং পি-মানগুলি) এখানে কীভাবে সংজ্ঞায়িত হবে? আমরা কি কেবলমাত্র প্রতিটি উপাদান নমুনার এন = 40 আছে অনুমান করব? অথবা এটিতে বিভিন্ন এন এর সাথে নমুনাগুলি থাকবে, প্রতিটি আকার তার নির্ধারিত সময়ে নির্ধারিত সময়ে এলোমেলোভাবে নির্ধারিত হতে পারে?

পাঠ্যপুস্তকগুলিতে প্রাপ্ত টি, এফ, চি-স্কোয়ার (ইত্যাদি), নাল বিতরণগুলি সমস্ত ধারন করে যে এন সমস্ত উপাদান নমুনার জন্য স্থির এবং স্থির, তবে এটি বাস্তবে সত্য হতে পারে না। প্রতিটি পৃথক স্টপিং পদ্ধতির সাথে (যেমন, একটি নির্দিষ্ট সময়ের ব্যবধানের পরে বা আমার সহকারী ক্লান্ত না হওয়া অবধি) সেখানে একটি ভিন্ন নমুনা বিতরণ বলে মনে হয় এবং এই 'চেষ্টা ও সত্য' স্থির-এন বিতরণগুলি অনুপযুক্ত।

ঘন ঘন সিআই এবং পি-মানগুলির বৈধতার জন্য এই সমালোচনা কতটা ক্ষতিকর? তাত্ত্বিক খণ্ডন আছে? দেখে মনে হয় যে নমুনা বিতরণের ধারণার উপর আক্রমণ করে, ঘন ঘনবাদী অনুকরণের পুরো গৃহটি ধনাত্মক।

যে কোনও পণ্ডিতের উল্লেখগুলি প্রশংসিত হয়।

Comments

উদ্ধৃতিটি হ'ল: ক্রুশকে, জে কে, আগুইনিস, এইচ, এবং জু, এইচ (2012)। সময় এসেছে: সাংগঠনিক বিজ্ঞানে ডেটা বিশ্লেষণের জন্য বায়েশিয়ান পদ্ধতি। তবে কুরস্কে এর আগে এটি ব্যবহার করেছেন: (২০১০) বায়েশিয়ান ডেটা বিশ্লেষণ এবং (২০১০) কী বিশ্বাস করবেন: ডেটা বিশ্লেষণের জন্য বায়েশিয়ান পদ্ধতি।

— এটিজে

Answer 1

$n$

$n$

$x$$\sqrt{n} \bar{x} \leq k$$\mu=0$$\mu\neq0$$\frac{L(0)}{L(\bar{x})}\leq \mathrm{e}^{-k^2/2}$$k$কাদানে (১৯৯ 1996), "পূর্বের সিদ্ধান্তের পক্ষে যুক্তি", জাসা , 91 , 435 43

একজন গবেষকের উদ্দেশ্য সম্পর্কে ঘন ঘনবাদী অনুক্রমের নির্ভরতার ইঙ্গিত করা হ'ল লোকেরা (যদি এখনও কেউ থাকে) বায়েশিয়ান অনুমানের "সাবজেকটিভিটি" সম্পর্কে তাদের উচ্চ ঘোড়ায় চলা একটি সহজ কাজ dig ব্যক্তিগতভাবে, আমি এটির সাথে বেঁচে থাকতে পারি; দীর্ঘ ধারাবাহিক পুনরাবৃত্তির উপর একটি পদ্ধতির পারফরম্যান্স সবসময়ই কমবেশি কিছু ধারণা হতে চলেছে, যা বিবেচনা করার জন্য দরকারী জিনিস হিসাবে বিবেচ্য হতে পারে না ("সম্ভাবনার একটি ক্রমাঙ্কন" কীভাবে কক্স পি-মানগুলি বর্ণনা করেছিল? )। রেফারেন্সের তারিখগুলি থেকে আপনি লক্ষ্য করেছেন যে এই সমস্যাগুলি খুব নতুন নয়; একটি অগ্রাধিকার যুক্তি দিয়ে তাদের নিষ্পত্তি করার প্রচেষ্টাগুলি বেশিরভাগ ক্ষেত্রেই মারা যায় (ইন্টারনেট ব্যতীত, সর্বদা তুচ্ছ বিষয় বাদে সময়ের বাইরে) এবং

দ্রষ্টব্য: থেকে বার্জার & Wolpert আমি উপর ঘটেছে একটি পাল্টা ভারসাম্য যোগ করার জন্য চিন্তা কক্সবাজার ও মেয়ো (2010), মধ্যে "নৈর্ব্যক্তিকতা এবং শর্ত Frequentist ইনফিরেনস মধ্যে" ত্রুটি এবং ইনফিরেনস । আমার বক্তব্যটিতে ইচ্ছামত চিন্তাভাবনার একটি উপাদান সম্ভবত রয়েছে যে বিতর্কটি মরে গেছে, তবে অর্ধ শতাব্দী বা তার পরে এই বিষয়টি নিয়ে কতটা নতুন বলা যেতে পারে তা অবাক করা বিষয়। (সর্বোপরি, এটি ঘনত্ববাদী ধারণার সংক্ষিপ্ত এবং স্বতন্ত্র প্রতিরক্ষা is)

Comments

+1 (অনেক দিন আগে) আমি ভাবছি আর্মিটেজের যুক্তি দ্বিপদী বনাম নেগ-দ্বিপদী নমুনার সুপরিচিত উদাহরণের সাথে খাপ খাইয়ে নিতে পারলে; উদাহরণস্বরূপ , মুদ্রার টোটেসের টিটিটিটিটিএইচ ক্রম পর্যবেক্ষণ করা বন্ধ হওয়ার নিয়মের উপর নির্ভর করে হয় পি = 0.03 বা পি = 0.1 ফলন দেয়। সুতরাং, যদি আমরা এখন আরেকটি বাঁধন নিয়ম, যেমন বিবেচনা, তারপর, এটা বরং স্বজ্ঞাত হয়ে যে এক বরং উচিত "দ্বিপদ পি <0.05 পর্যন্ত Keep এর ঊর্ধ্বে নিক্ষেপণ এবং সেখানে অন্তত একটি এইচ এবং অন্তত একটি টি ছিল" না অনুমান এই বাঁধন নিয়ম উপেক্ষা (সম্ভাবনা নীতি লঙ্ঘন করা সত্ত্বেও) এটা কোনো কিছু হলো?

— অ্যামিবা বলেছেন, মনিকাকে

Answer 2

আপনার প্রশ্নের সংক্ষিপ্ত উত্তর হ'ল: আপনি কাকে জিজ্ঞাসা করছেন এটি নির্ভর করে ;-) ডাই-হার্ড বায়েশিয়ানরা ঘন ঘনতান্ত্রিক পদ্ধতিগুলির সাথে বিজয় বা কমপক্ষে সমতা ঘোষণা করবে। ডাই-হার্ড ঘন ঘন বিশেষজ্ঞরা "এটির উত্তর দেওয়া যায় না" এ ডিফল্ট হবে। অন্যান্য 99% পরিসংখ্যানবিদরা নিষ্ক্রিয় পরীক্ষার অধীনে যে কোনও পদ্ধতি নির্ভরযোগ্য বলে প্রমাণিত হয়েছে তা ব্যবহার করবেন ।

আমি জানি যে গবেষকের উদ্দেশ্যগুলিতে নমুনা বিতরণের সংবেদনশীলতা উদ্বেগজনক হতে পারে এবং সত্যিই সেই সমস্যার কোনও ভাল সমাধান নেই is বায়সিয়ান এবং ঘন ঘন দর্শনার্থীদের অবশ্যই অনুমান কীভাবে তৈরি করা যায় সে সিদ্ধান্ত নেওয়ার ক্ষেত্রে কিছুটা subjectivity এবং রায় ব্যবহার করতে হবে। তবে আমি মনে করি আপনি এমন একটি অঞ্চল থেকে একটি উদাহরণ নিচ্ছেন যা সাধারণত বিতর্কিত এবং সমস্যাগুলি কেবলমাত্র ঘনঘনবাদী অনুক্রমের পাদদেশে রেখে। ক্রমযুক্ত এবং / বা থামানো পরীক্ষা-নিরীক্ষার বিষয়বস্তুর স্বভাবের ক্লাসিক উদাহরণ হ'ল ... এবং যার কোনও উত্তর নেই এবং উত্তরের উপর একমত নয়।

নিয়মিত অনুমান সম্পর্কে কী, যেখানে আপনি যে নমুনাটি পেতে চান তা বাস্তবে সংগ্রহ করেন? এখানে, আমি মনে করি যে ঘন ঘন ঘনবাদীদের উপরের হাত রয়েছে, কারণ সিআই এবং পি-মানগুলি তাদের পুনরাবৃত্ত নমুনা বৈশিষ্ট্যগুলিকে ভালভাবে ক্যালিব্রেটেড করে রেখেছে, যেখানে বায়সিয়ান অনুমানটি তার ব্যক্তিগত এবং বিষয়গত প্রকৃতি ধরে রেখেছে।

আপনি যদি বায়েশিয়ান প্রতিক্রিয়ার আরও তাত্ত্বিক বিবরণ চান তবে আমি "শর্তসই অনুমান" সম্পর্কে পড়ব মূল গবেষকরা ন্যানসি রেড এবং লেহম্যান।