Statistical Inference: Introduction and Terminology (in Hindi)
Summary
TLDRThe video script delves into the concept of statistical inference, a fundamental aspect of statistics. It discusses the process of making inferences about a population based on a sample, using statistical tools and techniques. The script covers topics such as estimation, hypothesis testing, and the importance of understanding population parameters and sample statistics. It also introduces terms like population, sample, parameter, estimator, and parameter space, aiming to clarify these concepts for a deeper comprehension of statistical inference.
Takeaways
- 📚 The script discusses the concept of Statistical Inference, which is a method of making inferences about a population based on a sample.
- 🔍 It explains that Statistical Inference involves two main parts: Estimation and Hypothesis Testing.
- 📈 The script mentions the use of statistical tools and techniques to analyze the results obtained from a sample to make inferences about the population.
- 📝 The importance of understanding the terminology used in Statistical Inference is highlighted, such as 'population', 'sample', 'parameter', and 'estimation'.
- 🔢 The script introduces the idea of a 'parameter' as a characteristic of the population that is being studied and estimated.
- 📉 It differentiates between 'parameter space' and 'sample space', explaining that the parameter space is the set of all possible values of the parameter.
- 🔑 The concept of 'estimator' is introduced as a function of sample observations used to estimate the population parameter.
- 📊 The script touches on the types of theories used in statistical estimation, including Classical Theory and Bayesian Theory.
- 🧩 The practical aspects of hypothesis testing are discussed, including the significance of p-values and the process of testing hypotheses.
- 📚 The educational nature of the script is evident as it prepares the audience for further lectures and discussions on the topics of Statistical Inference.
- 👨🏫 The script seems to be part of a lecture series, aiming to educate the audience on the fundamentals of statistics and their applications.
Q & A
What is the main topic discussed in the script?
-The main topic discussed in the script is Statistical Inference, which includes concepts of population, sample, parameter estimation, and hypothesis testing.
What is meant by 'population' in the context of statistical inference?
-In the context of statistical inference, 'population' refers to the entire set of all units that are the subject of a study, such as all students in a school or all trees in a forest.
What is a 'sample' in statistical inference?
-A 'sample' is a part of the population that is selected for analysis, and it is used to make inferences about the population as a whole.
What is a 'parameter' in the context of statistical inference?
-A 'parameter' is a characteristic of the population that is of interest, such as the average height or weight of students, and it is used to make inferences based on the sample data.
What is meant by 'parameter space' in the script?
-The 'parameter space' is the set of all possible values that the parameter can take, such as the range of possible heights for a population.
What is 'statistical estimation' as discussed in the script?
-Statistical estimation is the process of using sample data to estimate the value of a population parameter, such as estimating the average height of all students based on a sample.
What are the two main parts of statistical inference mentioned in the script?
-The two main parts of statistical inference mentioned are 'Theory of Estimation' and 'Testing of Hypothesis'.
What is the purpose of 'hypothesis testing' in statistical inference?
-The purpose of 'hypothesis testing' is to make decisions about the population based on sample data, by testing a specific hypothesis and determining whether the data supports it.
What is the difference between 'sample statistics' and 'population parameters'?
-Sample statistics are numerical values calculated from a sample, like the sample mean or median, while population parameters are the true values for the entire population, such as the population mean or median.
What are the two types of theories discussed for hypothesis testing in the script?
-The two types of theories discussed for hypothesis testing are 'Classical Theory' and 'Bayesian Theory'.
How can the results of a sample be used to make inferences about the population?
-The results of a sample can be used to make inferences about the population by estimating population parameters and using statistical tools and tests to determine the likelihood that the sample accurately represents the population.
Outlines
📚 Introduction to Statistical Inference
The script begins with an introduction to the topic of statistical inference, emphasizing its importance in the practical application of statistical methods. It discusses the concept of statistical inference as the process of drawing conclusions about a population based on a sample. The paragraph introduces key terms such as population, sample, and the use of statistical tools to make inferences. It also outlines the structure of statistical inference, which includes estimation theory and hypothesis testing, and mentions the use of classical theory and Bayesian approaches in this context.
🔍 Exploring Population Parameters and Statistical Terms
This paragraph delves into the specifics of population parameters, explaining what a population is and how it is defined in a mathematical context. It discusses the idea of a sample as a subset of the population and introduces the concept of population parameters, which are characteristics of interest within the population, such as the mean or variance. The paragraph also touches on the idea of parameter space, which is the set of all possible values that a parameter can take, and the use of symbols to represent distributions, such as the normal distribution.
📈 Understanding Sample Statistics and Estimators
The script continues by distinguishing between sample statistics and population parameters. It explains how sample statistics are used as estimators for the corresponding population parameters. The paragraph discusses the concept of an estimator as a function of sample observations and how different estimators can be used for various parameters. It also introduces the idea of a parameter space, which is the set of all possible values for a parameter, and how it is used in statistical inference.
📹 Conclusion and Invitation to Subscribe
The final paragraph serves as a conclusion to the video script, summarizing the topics covered and inviting viewers to like, share, and subscribe to the channel for more content. It emphasizes the importance of understanding statistical inference and encourages viewers to engage with the material and follow the channel for further insights into statistical concepts and applications.
Mindmap
Keywords
💡Statistical Inference
💡Population
💡Sample
💡Parameter
💡Estimation
💡Hypothesis Testing
💡Confidence Interval
💡Significance Testing
💡Normal Distribution
💡Estimator
💡Parameter Space
Highlights
Introduction to statistical inference, its importance in practical applications, and the basics of the concept.
Explanation of the term 'population' as a complete set of all units under study.
Definition of 'sample' as a part of the population used for analysis.
Discussion on the concept of 'parameter' as a characteristic of the population being studied.
Clarification on 'parameter space' as the set of all possible values of a parameter.
Introduction to 'estimation' in statistical inference and the use of statistical tools for this purpose.
Differentiation between 'estimation' and 'hypothesis testing' as two parts of statistical inference.
Explanation of 'classical theory' and its use in statistical inference.
Introduction to 'Bayesian theory' as an alternative approach to statistical inference.
Discussion on 'testing of hypotheses' both theoretically and experimentally.
Importance of 'traffic significance' in the context of hypothesis testing.
Different types of populations such as infinite and finite populations.
The concept of 'parameter estimation' based on sample observations.
Explanation of 'statistical tools' used for analyzing results and making inferences.
Differentiating between 'large sample' and 'small sample' in statistical inference.
Importance of understanding the terminology used in statistical inference.
The role of 'probability theory' in defining the sample space and events.
Discussion on the practical applications of statistical inference in various fields.
Encouragement for viewers to like, share, and subscribe to the channel for more informative content.
Transcripts
हो तुम तुम तुम तुम कोई नहीं शीघ्र कुंठित
भिक्षु भेदभाव है आखिर क्लास में हम
डिस्कस करने जा रहे हैं इस प्रैक्टिकल
इन्फ्रेंस
आज तोहार जो आज का टॉपिक हम डिस्कस करेंगे
व है इस प्रैक्टिकल
थे इन्फ्रेंस अ
है तो क्या होता है स्टैटिसटिकल इन्फ्रेंस
तो इन फ्रंट मींस कंफ्यूजन बेस्ड अपऑन सोम
फैक्ट तो किसी फैक्ट कि हमने कोई स्टडी
हमने कंडक्ट की और उसका जो हम कंफ्यूजन
देने जा रहे हैं वह कंफ्यूजन क्या है
फैक्स पर भेज है तो हम कहते हैं यह क्या
है वहीं इन्फ्रेंस है तो स्टैटिसटिकल
इन्फ्रेंस क्या हो जाएगा जहां पर स्टडी
में क्या होगी स्टैटिसटिक्स का हम यूज
करेंगे स्टैटिसटिकल टूल्स का हम यूज
करेंगे और जो भी रिजल्ट हमारे पास आएंगे
उनके बेसिस पर हम कंफ्यूजन लेंगे तो वह
हमारा स्टैटिसटिकल इन्फ्रेंस होता है तो
बहुत basic पर जो यहां पर हम टर्म डिफाइन
करते हैं वह यह है कि स्टैटिसटिकल
इंश्योरेंस में क्या होता है हम पार्ट आफ
पापुलेशन फॉर एनालिसिस करते हैं और उसके
बेसिस पर पापुलेशन के बारे में हम
कंफ्यूजन देते हैं तो यहां पर सपोज अगर यह
हमारा कोई पापुलेशन है
है और हमने क्या किया इस पापुलेशन में से
एक पाठ ले लिया इस पॉइंट को हम सैंपल कहते
हैं
है और यह योग बड़ा पार्टी यहां पर बना हुआ
है यह हमारी पापुलेशन है तो हमने क्या
किया पापुलेशन से एक सैंपल हमने डेवलप
किया यह एक पापुलेशन हमारे पास है अब यह
पापुलेशन क्या हो सकती है इनफाइनाइट
पापुलेशन हो सकती है या फिर फाइबर
पापुलेशन हो सकती है तो इसमें तो जब हम
सैंपल कंसीडर करेंगे तो यह सैंपल क्या
होगा हमेशा फाइनाइट होगा अब सैंपल भी दो
तरह से हो सकता है भाई स्माल सैंपल हो
सकता है लार्ज सैंपल हो सकता है तो यह कुछ
टर्मिनोलॉजी हम यहां पर डिस्कस करेंगे उसे
हम बाद में डिस्कस करेंगे तो बेसिकली अब
हम समझ रहे हैं वह स्टैटिसटिकल इन्फ्रेंस
क्या है तो स्टैटिसटिकल इन्फ्रेंस में
क्या होगा कोई पापुलेशन है इसमें से पार्ट
ऑफ पॉपुलेशन हमने कंसीडर किया इस पार्ट ऑफ
पॉपुलेशन को अपने सैंपल कहा सैंपल कि हमने
एनालिसिस कि जो भी रिजल्ट्स हमारे पास आए
उस रिजल्ट्स के बेसिस पर हमने जो कंफ्यूजन
है वह कंफ्यूजन है इस पापुलेशन के लिए बना
लिए थे
अपने कंप्लीट कर दिया कि जो भी हमारे यहां
पर रिजल्ट निकल गया है सैंपल बना लें इसके
बेसिस पर वहीं रिजल्ट क्या है हमारे
पापुलेशन के लिए हैं तो यह पूरा प्रोसीजर
हमारा कहलाया स्टैटिसटिकल इन्फ्रेंस तो
स्टैटिसटिकल इंश्योरेंस व के दो पार्ट
होते हैं एक होगा थ्योरी ऑफ़ ऐस्टीमेशन और
दूसरा होगा टेस्टिंग आफ हाइपोथेसिस तो
क्या पार्ट होते हैं यह भी हम डिस्कस करते
हैं तो इस टेस्टी कान्फ्रेंस को
को 2 पार्ट्स में हम डिवाइड कर लेते हैं
एक बार हमारा होगा
की प्यूरी ऑफ
कि एस्टिमेशन और दूसरा पार्ट होगा
ब्लूटूथ सेटिंग ऑफ
ए हाइपोथेसिस तो थ्योरियों ऐस्टीमेशन क्या
होता है और टेस्टिंग और है कोर्स क्या
होती है यह हम आने वाली लेक्चर वीडियो
सीरीज में इसे डिस्कस करने जाएंगे अब
थ्योरियों पर ऐस्टीमेशन भी यहां पर दो तरह
की थ्योरी हम यहां पर यूज करते हैं एक
होती है
ए क्लासिकल थिअरी
है और दूसरी होती है बे जिन थे हुई है
है तो क्लासिकल थिअरी और वैजयंती चोरी और
टेस्टिंग आफ हाइपोथेसिस को जब हम
प्रैक्टिकल इसको डिस्कस करेंगे टेस्टिंग
हाइपोथेसिस यहां पर दो तरह से डिस्कस होगी
एक तो थियोरेटिकली हम इसमें डिस्कस करेंगे
एक एक्सपेरिमेंट के बेसिस पर हम इसे
डिस्कस करेंगे तो जब थ्योरिटिकल हम डिस्कस
कर रहे हैं तो वह टेस्टिंग आफ हाइपोथेसिस
कहलाता है टॉपिक इसके अंदर स्टेटस गर्ल
इन्फ्रेंस के अंदर और अब इसे हम
एक्सपेरिमेंटली देखेंगे तो यह हमारे
टै्रफिक सिग्निफिकेंस इसे हम कहते हैं
है तो स्टैटिसटिकल इंश्योरेंस में इतनी
चीजें कवर होती हैं पहला क्लासिकल थिअरी
आफ ऐस्टीमेशन दूसरा बेल्जियम चोरियों के
स्टीवेंसन तीसरा टेस्टिंग फाइब्रोसिस एंड
टेक ऑफ सिग्निफिकेंस तो यह सारे जो भी
टॉपिक हम यहां पर डिस्कस करने जा रहे हैं
यह किसका पार्ट है स्टैटिसटिकल इन्फ्रेंस
का पार्ट है तो अब क्लासिकल थ्योरी में
क्या होगा भउजी मजबूरी में क्या होगा
टेस्टिंग आफ इंर्पोटेंस में क्या होता है
टैक्स और सिग्निफिकेंस में क्या होता है
यह सारा हमने क्या करना है लेक्चर वीडियो
सीरीज में जो भी हम यहां पर प्ले लिस्ट
बना रहे हैं उस यह सारी टॉपिक्स आफ एक के
बाद एक डिस्कस करेंगे तो अब स्टैटिसटिकल
इन्फ्रेंस की बात हो रही है तो कुछ
टर्मिनोलॉजी यहां पर आएंगे वह टर्मिनोलॉजी
क्या-क्या होती हैं तो सबसे पहले जो
टर्मिनोलॉजी है सबसे पहली टर्म है
पापुलेशन
है तो पापुलेशन क्या होती है पापुलेशन है
इस सेट आफ ऑल यूनिट्स
मैं इसे कट ऑफ ऑल यूनिट्स जो यहां पर
वर्ल्ड है इस सेट तो यह मैथमेटिकली जब
विशेष डिस्कस करते हैं तो सेट को डिफाइन
किया जाता है कलेक्शन आफ वेल डिफाइंड
एलिमेंट और यूनिक एलिमेंट तो उसी सेट को
थम्स अप प्रोबेबिलिटी थिअरी डिस्कस कर रहे
थे तो वहां पर सैंपल स्पेस हम उसे कह रहे
थे और जब हम इन फैंस की बात कर रहे हैं तो
यहां पर हम उस सेट को क्या कहते हैं
पापुलेशन कह देते हैं तो पापुलेशन क्या है
मैथमेटिकली एक सेट है इसका सेट है ऑल
यूनिट्स का जो भी यूनिट्स हम कंपेयर
करेंगे जो भी हमारा ऑब्जेक्टिव होगा उस
ऑब्जेक्टिव के बेसिस पर जो भी हमारी स्टडी
हो गई स्टडी के बेसिस पर जो भी हमारे पास
यूनिट आईडेंटिफाई होंगी जैसे हाईट की बात
हो रही है हाईट ऑफ स्टूडेंट्स तो हाइट आफ
स्टूडेंट्स में हमारी यूनिट क्या है
एलिमेंट्री उन्हें हमारी स्टूडेंट्स है तो
स्टूडेंट का सेट वह पूरा सेट हमारा क्या
कहलाएगा पापुलेशन कहलाएगा इसी तरह से
है प्रिंस की लेंथ मी दूर करनी है तो इसे
फॉरेस्ट हुए दो एलिमेंट्री यूनिट हमारी
नंबर ऑफ़ ट्रीज है तो प्लीज हमारे क्या है
यूनिट हो गई और इसका सेट जो भी फॉरेस्ट है
उसमें पूरा कलेक्शन ट्रीस का वह हमारा
क्या है एक पापुलेशन है पापुलेशन ऑफ़
ट्रीज तो इसी तरह से बहुत सारी पापुलेशन
हो सकती हैं तो पापुलेशन हमारा डिफाइन हो
गया इसके बाद हम डिजाइन करते हैं पापुलेशन
ए पैरामीटर पापुलेशन पैरामीटर और सिंपली
इसे पैरामीटर भी कहा जाता है तो यह क्या
होता है पापुलेशन पैरामीटर पैरामीटर ऐसी
टर्म है जो क्या करती है कोई मेजरमेंट पर
भेज है तो पापुलेशन पैरामीटर क्या है
पापुलेशन की है ए करैक्टेरिस्टिक है जिसे
गुर्जर किया जा रहा है जैसे मैंने कहा कि
वे टॉक आफ स्टूडेंट्स तो स्टूडेंट्स हमारे
एलिमेंट्री यूनिट हो गए और स्टूडेंट का
सेट हमारा पापुलेशन हो गया और जब उसकी वैट
की बात हो रही है या हाईट की बात हो रही
है तो वेड भी क्या होना है मेजर होना है
हाईट भी क्या होना है मेजर होना है वह
हमारा करैक्टर स्टिक है हाईट हमारा
करैक्टर स्टिक है जिसको हम विचार कर रहे
हैं तो वे यहां पर क्या हो गया एक
पैरामीटर हो गया हाईट क्या हो गई एक
पैरामीटर हो गया अब थोड़ा सा इसको
स्पेसिफिकली हम एक्सप्लेन करते हैं तो जब
स्टैटिसटिकली एक्सप्लेन करेंगे तो इस
टेस्ट इसमें बात होती है वहीं मीन की और
वैरियेंस की तो जब मन की बात हो रही है या
वे
ऐसी बात हो रही है या कॉरिलेशन कॉएफिशिएंट
की बात होगी कि आप फिर मीडियम की बात होगी
मोड की बात होगी तो यह सारे हमारे क्या है
यहां पर पापुलेशन पैरामीटर हैं तो
पैरामीटर के लिए हुआ पैरामीटर क्या है
फंक्शन ऑफ पॉपुलेशन ऑफ द मिशंस यानि
पापुलेशन में जो भी ऑब्जर्वेशंस हमने
कंसीडर की है जैसे वेट हमने कंप्यूटर किया
है तो वेट का कोई भी मैथमेटिकल फंक्शन अब
मैथमेटिकल फंक्शन वेट का क्या हो सकता है
जैसे मीन हो सकता है हम जब मेन को डिफाइन
करते हैं तो मीनिंग डिफाइन होता है एक बार
इज इक्वल टू वन अपऑन एंड सबमिशन एक्साइज
यहां पर एक्साइज में रखना है वेट का
ऑब्जर्वेशन होगा
मैं तो एक ही मेरा वेट का ऑब्जरवेशन है और
यह एक बार क्या है यहां पर फंक्शन ऑफ
टेक्सास शहर इस फंक्शन ऑफ एक्साइज तो यह
एक बार अब यहां पर जब स्टैटिसटिकल
इंश्योरेंस की बात हो रही है तो इसे मैं
टर्म देता हूं यहां पर मैं नोटेशन चेंज कर
दूंगा इसे यूं कह दूंगा तो मैं हूं क्या
हो गया मेरे इस फंक्शन आफ एंपरर फंक्शन ऑफ
पॉपुलेशन ऑफ द मिशंस पापुलेशन ऑब्जर्वेशंस
क्या है वेट के ऑब्जर्वेशंस है तो वेट के
ऑब्जर्वेशन पर बेस्ट कोई भी फंक्शन अब वह
फंक्शन मैथमेटिकल हमारा अर्थमैटिक मीन हो
सकता है वैरियेंस हो सकता है को रिलेशन
प्रोफिशिएंट हो सकता है रिग्रेशन
कॉन्फिडेंट हो सकता है तो यह सारे uie जो
भी डिफिशिएंट बात हो रही है में इनवेरियंस
की बात हो रही है तो यह हमारे क्या फैलाएं
पापुलेशन पैरामीटर के लायक तो पापुलेशन
पैरामीटर को हम डिजाइन कर लेते हैं फंक्शन
ए हॉफ
ए पापुलेशन आफ रिजर्वेशंस तो पापुलेशन
पैरामीटर डिफाइन हो गया इसके बाद हम बात
करते हैं जो नेक्स्ट टाइम है वह है थैंक ऊ
कि आप सैंपल क्या हो गया पार्ट ऑफ
पॉपुलेशन अब जैसे हम मैथमेटिक्स में बात
करते हैं वह सब सेट की तो सबमिट क्या होता
है कि पार्ट ऑफ इस सेट किसी भी सेट का एक
पार्ट वह हमारा क्या है सब सेट है उसी
सब्जेक्ट को हम प्रोबेबिलिटी थिअरी में
इवेंट कहते थे और यहां पर इन्फ्रेंस में
उसे क्या कहेंगे सैंपल कर लेंगे तो सैंपल
क्या है ए पार्ट आफ पापुलेशन है और इसी
सैंपल पर बेस्ड एक टर्म हम डिफाइन करते
हैं यह होती है इस टेक स्ट्रिक्ट क्या है
जिस तरह से पैरामीटर पापुलेशन के लिए है
उसी तरह से स्टेटस टिक सैंपल के लिए है
पैरामीटर को मैंने डिफाइन की ऑफ फंक्शन ऑफ
पॉपुलेशन ऑफ जेनरेशंस तो स्ट्रैट ठीक हो
जाएगा फंक्शन ऑफ सैंपल ऑब्जर्वेशंस
है तो अब क्या होता है वहीं डिफरेंस क्या
होगा पैरामीटर में और स्टैटिसटिक्स में तो
बेसिक डिफरेंस तो यही हुआ कि पैरामीटर
क्या है पापुलेशन ऑब्जरवेशन पर बेस्ड है
और इस टेस्ट क्या है सैंपल ऑब्जर्वेशन पर
बेस्ड है जैसे मीन ऑफ पॉपुलेशन अगर मैं को
वेबरेज ऑफ पॉपुलेशन तो इस केस में एवरेज
हमारा पैरामीटर है इसी तरह से अगर मैं कह
देता हूं भाई एवरेज आफ सैंपल तो यह एवरेज
में रखा हो जाएगा स्टेटस ठीक हो जाएगा
क्योंकि एवरेस्ट इस पर भेज है सैंपल इमेज
सैंपल ऑफ बिर्थ तो बहुत ही अ डिफरेंट हो
गया पापुलेशन पैरामीटर और स्टेटस में की
पैरामीटर क्या है फंक्शन ऑफ पॉपुलेशन ऑफ द
मिशंस है और स्टेक क्या है फंक्शन ऑफ
सैंपल रिजर्वेशंस है तो यह टर्म यहां पर
हम बहुत ज्यादा यूज करते हैं पापुलेशन
सैंपल पैरामीटर एंड स्टैटिसटिक्स अब इसी
स्टेटस टिक को
क्वालिफिकेशन में एस्टीमेटर कहा जाएगा
कि यह जो स्टेडियम डिफाइन कर रहे हैं इस
टेस्ट क्या है फंक्शन ऑफ सैंपल रिजर्वेशंस
तो इसको हम थ्योरियों पर ऐस्टीमेशन में
एस्टिमेटर कहेंगे टेस्टिंग फाइब्रोसिस में
या टेस्ट ऑफ़ सिग्निफिकेंस में स्टेटस टिक
करेंगे तो यह तो हो गया टर्मिनोलॉजी तो
टर्मिनोलॉजी आफ स्टैटिसटिकल इन्फ्रेंस अब
इसमें एक और इंपोर्टेंट टर्म आती है वह है
हमारी पैरामीटर
की स्थिति
हैं तो यह क्या होता है पैरामीटर स्पेस
हमने पैरामीटर डिफाइन किया पैरामीटर क्या
है फंक्शन ऑफ पॉपुलेशन ऑब्जरवेशन अब
कभी-कभी हम इसको डिजाइन करते हैं कुछ उस
आप देखोगे हम उसमें डिजाइन किया होगा द
सिंबल विचार यूज्ड टो रिप्रेजेंट ए
पापुलेशन डिसटीब्यूशन आफ टाइम सेट
पैरामीटर यानि एसिड सिंबल जो किसी भी
डिस्ट्रिब्यूशन को आइडेंटिफाई करने के लिए
यूज होते हैं वह हमारे आते हैं पैरामीटर
कहलाते हैं जैसे नॉरमल डिसटीब्यूशन मैं
लिखता हूं तो नॉर्मल को आइडेंटिफाई करने
के लिए हम दो सिंबल यहां पर यूज करते हैं
एक हम यूज करते हैं एक सिक्का इस पर यूज
करते हैं तो हम और सीमा इस पर को क्या
कहेंगे पैरामीटर कहेंगे
है तो पैरामीटर हमारा इस तरह से भी डिफाइन
हो गया अब पैरामीटर स्पेस की बात हम कर
रहे हैं तो पैरामीटर स्पेस क्या है
पैरामीटर स्पेस को हम कैपिटल थी यह नोट
करते हैं
है तो कैपिटल थी था डिफाइन होता है दस सेट
ऑफ ऑल पॉसिबल वैल्यूज ऑफ द पैरामीटर यानि
क्या है पैरामीटर स्पेस क्या है एक सेट है
इसका साइड है पैरामीटर की जितनी भी पॉसिबल
वैल्यू है उनका सेट वह क्या है मेरा
पैरामीटर स्पेस है तो जैसे बातें हम करते
हैं क्योंकि तुम नॉर्मल पापुलेशन में मुंह
की बात हमने कि तो न्यू की पॉसिबल यूज
किया है - इंफिनिटी टू प्लस इंफिनिटी हैं
तो यह एक सेट बन जाता है यहां पर तो यह
सेट मेरा क्या खिलाया पैरामीटर स्पेस ऑफ
पैरामीटर न्यू कहलाया तुम यूक्रेन हम यहां
पर डिपेंड कर ली इसी तरह से अगर मैं लिख
देता हूं कैपिटल थीटा इज इक्वल टू ए सेट
आफ न्यू - इन्फिनिटिव इन्फिनिटिव एंड
सिक्यॉर 202 infinity है
है तो यह कहलाया पैरामीटर स्पेस आफ नॉरमल
डिसटीब्यूशन यहां पर मैंने क्या कर लिया
दोनों पैरामीटर को डिफाइन कर लिया दोनों
पैरामीटर के पॉसिबल वैल्यूज का सेट मैंने
यहां पर डिफाइन कर लिया तो यह हो गया
पैरामीटर स्पेस आफ नॉरमल डिसटीब्यूशन तो
पैरामीटर स्पेस क्या है जब सेट ऑफ ऑल
पॉसिबल व्हेन यूज्ड ऑफिस पैरामीटर तो यह
टर्मिनोलॉजी हम स्टैटिसटिकल इन्फ्रेंस में
यूज करते हैं तो इन्हीं टर्म उसको हम आगे
डिस्कस करेंगे हम कभी उसको थ्योरियों पर
ऐस्टीमेशन यूज करेंगे टेस्टिंग आफ हाइप
प्रोसेस में यूज करेंगे तो आगे की वीडियोस
में हम प्यूरिफिकेशन को डिस्कस करने जा
रहे हैं फ्यूरियस फास्ट मिशन क्या होता है
और इसमें क्लासिकल थ्योरी को हम डिस्कस
करेंगे तो अगर आपको यह वीडियो पसंद आया है
तो इसे आप लाइक करेंगे और अपने फ्रेंड्स
में शेयर करेंगे और अभी तक आपने हमारा
चैनल subscribe नहीं किया है तो प्लीज आप
हमारे चैनल को सब्सक्राइब कर लीजिए थैंक
यू
Посмотреть больше похожих видео
Understanding Statistical Inference - statistics help
Statistics Terminology and Definitions| Statistics Tutorial | MarinStatsLectures
KUPAS TUNTAS: Apakah Perbedaan Statistik Inferensial dengan Statistik Deskriptif ?
Sampling Distributions: Introduction to the Concept
Lecture 1.1 - Introduction and Types of Data - Basic definitions
Hypothesis Testing In Statistics | Hypothesis Testing Explained With Example | Simplilearn
5.0 / 5 (0 votes)