কাটা নরমাল বিতরণ কী?
কাটা নরমাল হলো এমন নরমাল বিতরণ যা a≤X≤b সীমার মধ্যে থাকার শর্তে সীমাবদ্ধ। সীমার বাইরে মান অসম্ভব হলে এটি ব্যবহার করুন।
কাজের পদ্ধতি: inverse CDF ব্যবহার করা হয়। Uniform random number কাটা CDF-এর মাধ্যমে map করা হয়, তাই extreme truncation-এ rejection sampling ধীর হয়ে পড়ে না।
প্রিসেট
ব্যবহারিক preset বেছে নিন; পরে মান বদলাতে পারবেন। আউটপুট সঙ্গে সঙ্গে নতুন করে তৈরি হয়।
টিপ: preset কেবল শুরু করার মান।
জেনারেটর
μ/σ ও সীমা দিন, নমুনা তৈরি করুন এবং ফল export করুন।
নমুনা পরিসংখ্যান
নমুনা (প্রথম 20)
এই টুল কীভাবে ব্যবহার করবেন
নরমাল মডেল যুক্তিযুক্ত হলেও নিচের বা ওপরের সীমার বাইরে মান অসম্ভব হলে এই পেজ ব্যবহার করুন। অন্য বিতরণের জন্য বিতরণ hub, নরমাল বিতরণ calculator বা সম্ভাবনা সিমুলেশন guide খুলুন।
৩ ধাপে ব্যবহার
- মূল নরমাল বিতরণ-এর গড়, standard deviation এবং নিচের/ওপরের সীমা দিন।
- নমুনা তৈরি করে হিস্টোগ্রাম, কাটা গড়, বিচরণ ও retained mass তুলনা করুন।
- truncation effect আলাদা বুঝতে একবারে একটি সীমা বদলান।
ফলাফল কীভাবে পড়বেন
দেখানো গড় ও বিচরণ মূল unrestricted নরমাল-এর নয়, কাটা বিতরণ-এর। retained mass দেখায় মূল বিতরণ-এর কত অংশ সীমার মধ্যে থাকে।
সীমা পরীক্ষা
- retained mass ছোট হলে truncation শক্তিশালী এবং গড় অনেক সরে যেতে পারে।
- clipped নরমাল ও truly truncated নরমাল একই মডেল নয়।
- shift সীমা বদলানোর কারণে নাকি মূল standard deviation বদলানোর কারণে এসেছে তা আলাদা রাখুন।
সাধারণ প্রশ্ন
কাটার পরে গড় সরে যায় কেন?
সীমার বাইরে থাকা সম্ভাবনা mass বাদ গেলে বাকি বিতরণ-এর balance বদলে যায়, তাই truncated গড় সরে যায়।
retained mass বা Z কী?
মূল নরমাল বিতরণ-এর যে সম্ভাবনা পুনরায় scale করার আগে দুই সীমার মধ্যে থাকে সেটাই retained mass বা Z।
এটি সীমায় clamp করা থেকে আলাদা কেন?
Clamp করলে সীমার বাইরে মানকে সীমায় ঠেলে দেয়; truncation সেই মান বাদ দিয়ে বাকি density পুনরায় scale করে।
অন্য calculator ভিন্ন হতে পারে কেন?
প্যারামিটার সংজ্ঞা, finite precision বা clamp ও truncation গুলিয়ে ফেললে ফল বদলাতে পারে।
আগে কী করব?
প্রথমে wide সীমা নিন; তারপর truncation কখন ফল নির্ধারণ করে তা দেখতে এক পাশ সংকুচিত করুন।