রৈখিক রিগ্রেশন নিজেই স্বাভাবিক (গাউসিয়ান) অনুমানের প্রয়োজন হয় না, অনুমানকারীরা এই ধরনের অনুমানের প্রয়োজন ছাড়াই (রৈখিক সর্বনিম্ন বর্গ দ্বারা) গণনা করা যেতে পারে এবং নিখুঁত করে তোলে এটা ছাড়া বোধ. … অনুশীলনে, অবশ্যই, স্বাভাবিক বন্টন সর্বাধিক একটি সুবিধাজনক কথাসাহিত্য।
রিগ্রেশনের জন্য কি স্বাভাবিকতা প্রয়োজন?
রিগ্রেশন শুধুমাত্র ফলাফল পরিবর্তনশীল এর জন্য স্বাভাবিকতা ধরে নেয়। ভবিষ্যদ্বাণীকারীদের মধ্যে অ-স্বাভাবিকতা তাদের এবং y-এর মধ্যে একটি অরৈখিক সম্পর্ক তৈরি করতে পারে, তবে এটি একটি পৃথক সমস্যা। … ফিট করার জন্য স্বাভাবিকতার প্রয়োজন নেই।
যদি ডেটা সাধারণত বিতরণ করা না হয় তবে আপনি কি লিনিয়ার রিগ্রেশন ব্যবহার করতে পারেন?
সংক্ষেপে, যখন একটি নির্ভর ভেরিয়েবল সাধারণভাবে বিতরণ করা হয় না, তখন রৈখিক রিগ্রেশন বড় নমুনার আকারের অধ্যয়নের ক্ষেত্রে একটি পরিসংখ্যানগতভাবে সঠিক কৌশল হিসাবে রয়ে যায়। চিত্র 2 উপযুক্ত নমুনার মাপ প্রদান করে (যেমন, >3000) যেখানে রৈখিক রিগ্রেশন কৌশলগুলি এখনও ব্যবহার করা যেতে পারে এমনকি যদি স্বাভাবিকতা অনুমান লঙ্ঘন করা হয়।
ডেটা সাধারণত বিতরণ না হলে কী হবে?
অপর্যাপ্ত ডেটা একটি স্বাভাবিক বিতরণকে সম্পূর্ণভাবে বিক্ষিপ্ত দেখাতে পারে উদাহরণস্বরূপ, শ্রেণীকক্ষ পরীক্ষার ফলাফল সাধারণত সাধারণত বিতরণ করা হয়। একটি চরম উদাহরণ: আপনি যদি তিনটি এলোমেলো ছাত্র বেছে নেন এবং ফলাফলগুলি একটি গ্রাফে প্লট করেন, আপনি একটি সাধারণ বিতরণ পাবেন না৷
আপনি কীভাবে জানবেন যে ডেটা সাধারণত বিতরণ করা হয় না?
যদি পর্যবেক্ষিত ডেটা পুরোপুরি একটি স্বাভাবিক বন্টন অনুসরণ করে, KS পরিসংখ্যানের মান হবে 0 পার্থক্যটি প্রত্যাখ্যান করার জন্য যথেষ্ট বড় কিনা তা নির্ধারণ করতে P-মান ব্যবহার করা হয় নাল হাইপোথিসিস: … যদি KS পরীক্ষার P-মান 0 এর থেকে ছোট হয়।05, আমরা একটি সাধারণ বিতরণ অনুমান করি না।
