কিছু ক্ষেত্রে এটি স্পষ্ট বলে মনে হয় যে তত্ত্বটি সর্বোত্তমভাবে কাজ করতে পারে (ইঁদুরের লেজের দৈর্ঘ্য সম্ভবত সাধারণত বিতরণ করা হয়)।
লেজ দৈর্ঘ্য অবশ্যই সাধারণত বিতরণ করা হয় না।
সাধারণ বিতরণে নেতিবাচক মান নেওয়ার সম্ভাবনা থাকে; লেজ দৈর্ঘ্য না।
জর্জ বক্সের খ্যাতিমান লাইন , " সমস্ত মডেলগুলি ভুল, তবে কিছু কার্যকর হয় " বিষয়টি বরং আরও ভাল করে তোলে। যে ক্ষেত্রে আমরা যুক্তিসঙ্গতভাবে স্বাভাবিকতা জোর দিয়ে থাকি (কেবলমাত্র আনুমানিক স্বাভাবিকতার চেয়ে বেশি) প্রকৃতপক্ষে খুব বিরল, কিংবদন্তির প্রায় প্রাণী, মাঝেমধ্যে প্রায়শই চোখের কোণ থেকে ঝলক পাওয়া যায়।
প্রচুর ক্ষেত্রে সম্ভবত কোনও উপাত্তের সেটকে বর্ণনা করার জন্য কোনও তত্ত্ব নেই, সুতরাং আপনি কেবল এমন কিছু ব্যবহার করুন যা আপনার বর্ণনাকে মোটামুটি ভাল মানায় যা এটি বর্ণনার জন্য মূলত বিকশিত হয়েছিল তা নির্বিশেষে?
আপনি যে পরিমাণে আগ্রহী সেগুলির ক্ষেত্রে পছন্দটি বিশেষত সংবেদনশীল নয় (যতক্ষণ পর্যন্ত বিতরণের বিস্তৃত বৈশিষ্ট্যগুলি যা জানা সাথে সামঞ্জস্যপূর্ণ), তবে হ্যাঁ, আপনি কেবল এমন কিছু ব্যবহার করতে পারেন যা মোটামুটি ভালভাবে ফিট করে।
সংবেদনশীলতার বৃহত্তর ডিগ্রি রয়েছে এমন ক্ষেত্রে, 'কেবল উপযুক্ত কিছু ব্যবহার করা' নিজের পক্ষে পর্যাপ্ত নয়। আমরা এমন কিছু পন্থা ব্যবহার করতে পারি যা নির্দিষ্ট অনুমানগুলি তৈরি করে না (সম্ভবত বিতরণ ফ্রি পদ্ধতি, যেমন ক্রমশক্তি, বুটস্ট্র্যাপিং বা অন্যান্য পুনর্নির্মাণের পদ্ধতি বা শক্ত পদ্ধতি)। বিকল্পভাবে আমরা বন্টন অনুমানের সংবেদনশীলতার পরিমাণ নির্ধারণ করতে পারি, যেমন সিমুলেশনের মাধ্যমে (আসলে আমি মনে করি এটি সাধারণত একটি ভাল ধারণা) idea
সমস্যাটি মনে হচ্ছে যে যদি আপনার সত্যিই কোনও ধারণা না থাকে তবে আপনার কেবলমাত্র একটি অভিজ্ঞতা অভিজ্ঞতা ব্যবহার করা উচিত।
আমি এটিকে সমস্যা হিসাবে বর্ণনা করব না - অনুশীলনমূলক বিতরণের উপর ভিত্তি করে অনুমান করা অবশ্যই বিভিন্ন ধরণের সমস্যার জন্য উপযুক্ত বৈধ পদ্ধতির (ক্রমবিন্যাস / র্যান্ডমাইজেশন এবং বুটস্ট্র্যাপিং দুটি উদাহরণ)।
কারও কাছে এই সমস্যাটি সম্পর্কে যোগাযোগ করার / চিন্তা করার কোনও সুসংগত উপায় আছে?
মূলত, অনেক ক্ষেত্রেই আমি এই জাতীয় প্রশ্নগুলি বিবেচনা করি:
1) এই ফর্মটির ডেটার জন্য কীভাবে (বা অন্যান্য অবস্থানের ধরণের পরিমাণগুলি) আচরণ করা হয় সে সম্পর্কে আমি কী বুঝতে পারি?
* (তত্ত্ব থেকে, বা ডেটা এই ফর্মের অভিজ্ঞতা থেকে, বা বিশেষজ্ঞের পরামর্শ, বা যদি প্রয়োজন হয়, নিজেই ডেটা থেকে, যদিও এতে সমস্যাগুলি বহন করতে হবে তবে)
2) স্প্রেড (ভেরিয়েন্স, আইকিউআর ইত্যাদি) সম্পর্কে কী বলা যায় - এটি কীভাবে আচরণ করে?
3) অন্যান্য বিতরণ বৈশিষ্ট্যগুলি সম্পর্কে (সীমানা, স্কিউনেস, বিচক্ষণতা ইত্যাদি)
৪) নির্ভরতা, জনসংখ্যার বৈচিত্র্য, মাঝে মাঝে খুব অসম্পূর্ণ মূল্যবোধ ইত্যাদির প্রবণতা সম্পর্কে কী বলা যায়?
এই ধরণের বিবেচনা একটি সাধারণ মডেল, একটি জিএলএম, অন্য কোনও মডেল বা কিছু দৃust় বা বিতরণ-মুক্ত পদ্ধতির (যেমন বুটস্ট্র্যাপিং বা ক্রমবিন্যাস / র্যান্ডমাইজেশন পদ্ধতির, যেমন র্যাঙ্ক ভিত্তিক পদ্ধতিগুলি সহ) মধ্যে একটি পছন্দকে গাইড করতে পারে)