सर्वोत्तम रैखिक निष्पक्ष प्रागुक्ति: Difference between revisions

From Vigyanwiki
(Created page with "आंकड़ों में, यादृच्छिक प्रभाव मॉडल के आकलन के लिए रैखिक मिश्रित...")
 
(text)
Line 1: Line 1:
आंकड़ों में, [[यादृच्छिक प्रभाव मॉडल]] के आकलन के लिए रैखिक [[मिश्रित मॉडल]] में सर्वोत्तम रैखिक निष्पक्ष भविष्यवाणी (बीएलयूपी) का उपयोग किया जाता है। BLUP की उत्पत्ति 1950 में [[चार्ल्स रॉय हेंडरसन]] द्वारा की गई थी, लेकिन ऐसा लगता है कि सर्वोत्तम रैखिक निष्पक्ष भविष्यवक्ता (या भविष्यवाणी) शब्द का उपयोग 1962 तक नहीं किया गया था।<ref name=Robinson>{{cite journal |last=Robinson |first=G.K. |year=1991 |title=That BLUP is a Good Thing: The Estimation of Random Effects |journal=[[Statistical Science]] |volume=6 |issue=1 |pages=15–32 |doi=10.1214/ss/1177011926 |mr=1108815 |zbl=0955.62500 |jstor=2245695|doi-access=free }}</ref> यादृच्छिक प्रभावों की सर्वोत्तम रैखिक निष्पक्ष भविष्यवाणियाँ (BLUPs) निश्चित प्रभावों के सर्वोत्तम रैखिक निष्पक्ष अनुमानों (BLUEs) (गॉस-मार्कोव प्रमेय देखें) के समान हैं। अंतर इसलिए उत्पन्न होता है क्योंकि निश्चित प्रभावों का अनुमान लगाने के बारे में नहीं बल्कि यादृच्छिक प्रभावों की भविष्यवाणी करने के बारे में बात करना पारंपरिक है, लेकिन दोनों शब्द अन्यथा समकक्ष हैं। (यह थोड़ा अजीब है क्योंकि यादृच्छिक प्रभावों को पहले ही महसूस किया जा चुका है; वे पहले से ही मौजूद हैं। भविष्यवाणी शब्द का उपयोग इसलिए हो सकता है क्योंकि पशु प्रजनन के क्षेत्र में जिसमें हेंडरसन ने काम किया था, यादृच्छिक प्रभाव आमतौर पर आनुवंशिक गुण थे, जो हो सकते हैं संतान की गुणवत्ता की भविष्यवाणी करने के लिए उपयोग किया जाता है (रॉबिन्सन)।<ref name=Robinson/>पृष्ठ 28)). हालाँकि, निश्चित प्रभावों और यादृच्छिक प्रभावों के समीकरण अलग-अलग हैं।
आंकड़ों में, [[यादृच्छिक प्रभाव मॉडल|यादृच्छिक प्रभावों]] के आकलन के लिए रैखिक [[मिश्रित मॉडल]] में '''सर्वोत्तम रैखिक निष्पक्ष प्रागुक्ति''' (बीएलयूपी) का उपयोग किया जाता है। बीएलयूपी की उत्पत्ति 1950 में [[चार्ल्स रॉय हेंडरसन]] द्वारा की गई थी, लेकिन "सर्वोत्तम रैखिक निष्पक्ष प्राग्वक्ता" (या प्रागुक्ति) शब्द का उपयोग 1962 तक नहीं किया गया था।<ref name=Robinson>{{cite journal |last=Robinson |first=G.K. |year=1991 |title=That BLUP is a Good Thing: The Estimation of Random Effects |journal=[[Statistical Science]] |volume=6 |issue=1 |pages=15–32 |doi=10.1214/ss/1177011926 |mr=1108815 |zbl=0955.62500 |jstor=2245695|doi-access=free }}</ref> यादृच्छिक प्रभावों की "सर्वोत्तम रैखिक निष्पक्ष प्रागुक्तियाँ" (बीएलयूपी) निश्चित प्रभावों के सर्वोत्तम रैखिक निष्पक्ष अनुमानों (बीएलयूई) (गॉस-मार्कोव प्रमेय देखें) के समान हैं। अंतर इसलिए उत्पन्न होता है क्योंकि निश्चित प्रभावों का अनुमान लगाने के बारे में नहीं बल्कि यादृच्छिक प्रभावों की प्रागुक्ति करने के बारे में बात करना पारंपरिक है, लेकिन दोनों शब्द अन्यथा समकक्ष हैं। (यह थोड़ा अजीब है क्योंकि यादृच्छिक प्रभावों को पहले ही "एहसास" हो चुका है; वे पहले से ही मौजूद हैं। "प्रागुक्ति" शब्द का उपयोग इसलिए हो सकता है क्योंकि पशु प्रजनन के क्षेत्र में जिसमें हेंडरसन ने काम किया था, यादृच्छिक प्रभाव आमतौर पर आनुवंशिक योग्यता थे, जिसका उपयोग संतानों की गुणवत्ता की प्रागुक्ति करने के लिए उपयोग किया जाता है (रॉबिन्सन)।<ref name=Robinson/>पृष्ठ 28))। हालाँकि, "निश्चित" प्रभावों और यादृच्छिक प्रभावों के समीकरण भिन्न हैं।


व्यवहार में, अक्सर ऐसा होता है कि यादृच्छिक प्रभाव(शब्दों) से जुड़े पैरामीटर अज्ञात होते हैं; ये पैरामीटर यादृच्छिक प्रभावों और अवशेषों के भिन्नताएं हैं। आमतौर पर मापदंडों का अनुमान लगाया जाता है और भविष्यवक्ता में प्लग किया जाता है, जिससे अनुभवजन्य सर्वोत्तम रैखिक निष्पक्ष भविष्यवक्ता (ईबीएलयूपी) प्राप्त होता है। ध्यान दें कि केवल अनुमानित पैरामीटर को भविष्यवक्ता में प्लग करने से, अतिरिक्त परिवर्तनशीलता का पता नहीं चलता है, जिससे ईबीएलयूपी के लिए अत्यधिक आशावादी भविष्यवाणी भिन्नताएं उत्पन्न होती हैं।{{Citation needed|date=August 2020|reason=The point is relevant and undoubtedly correct, but needs to be supported with a suitable reference.}}
व्यवहार में, अक्सर ऐसा होता है कि यादृच्छिक प्रभाव (शब्दों) से जुड़े मापदंड अज्ञात होते हैं; ये मापदंड यादृच्छिक प्रभावों और अवशेषों के भिन्नताएं हैं। आमतौर पर मापदंडों का अनुमान लगाया जाता है और प्राग्वक्ता में बंद किया जाता है, जिससे अनुभवजन्य सर्वोत्तम रैखिक निष्पक्ष प्राग्वक्ता (ईबीएलयूपी) प्राप्त होता है। ध्यान दें कि केवल अनुमानित मापदंड को प्राग्वक्ता में बंद करने से, अतिरिक्त परिवर्तनशीलता का पता नहीं चलता है, जिससे ईबीएलयूपी के लिए अत्यधिक आशावादी प्रागुक्ति भिन्नताएं उत्पन्न होती हैं।


सर्वोत्तम रैखिक निष्पक्ष भविष्यवाणियाँ रैखिक मिश्रित मॉडल में यादृच्छिक प्रभावों के [[अनुभवजन्य बेयस]] अनुमानों के समान हैं, सिवाय इसके कि बाद के मामले में, जहां वजन भिन्नता के घटकों के अज्ञात मूल्यों पर निर्भर करते हैं, इन अज्ञात भिन्नताओं को नमूना-आधारित अनुमानों द्वारा प्रतिस्थापित किया जाता है।
सर्वोत्तम रैखिक निष्पक्ष प्रागुक्तियाँ रैखिक मिश्रित मॉडल में यादृच्छिक प्रभावों के [[अनुभवजन्य बेयस]] अनुमानों के समान हैं, सिवाय इसके कि बाद के मामले में, जहां वजन भिन्नता के घटकों के अज्ञात मानो पर निर्भर करते हैं, इन अज्ञात भिन्नताओं को नमूना-आधारित अनुमानों द्वारा प्रतिस्थापित किया जाता है।


==उदाहरण==
==उदाहरण==
मान लीजिए कि प्रेक्षणों के लिए मॉडल {Y<sub>''j''</sub> ; j = 1, ..., n} को इस प्रकार लिखा जाता है
मान लीजिए कि प्रेक्षणों के लिए मॉडल {Y<sub>''j''</sub> ; j = 1, ..., n} को  


:<math>Y_j= \mu + x_j^T\beta +\xi_j + \varepsilon_j, \, </math>
:<math>Y_j= \mu + x_j^T\beta +\xi_j + \varepsilon_j, \, </math> के रूप में लिखा जाता है
कहाँ <math>\mu</math> सभी प्रेक्षणों का माध्य है <math>Y</math>, और ξ<sub>j</sub>और ई<sub>j</sub>अवलोकन जे के लिए यादृच्छिक प्रभाव और अवलोकन त्रुटि का प्रतिनिधित्व करें, और मान लें कि वे असंबंधित हैं और ज्ञात भिन्नताएं हैं σ<sub>ξ</sub><sup>2 और पी<sub>ε</sub><sup>2</sup>, क्रमशः। इसके अलावा, एक्स<sub>j</sub>जेवें अवलोकन के लिए [[आश्रित और स्वतंत्र चर]] का एक वेक्टर है <math>\beta</math> प्रतिगमन मापदंडों का एक वेक्टर है।
जहां <math>\mu</math> सभी अवलोकनों <math>Y</math> का माध्य है, और ξ<sub>j</sub>और ''ε<sub>j</sub>''<sub>j</sub>अवलोकन j के लिए यादृच्छिक प्रभाव और अवलोकन त्रुटि का प्रतिनिधित्व करते हैं, और मान लेते हैं कि वे असंबंधित हैं और क्रमशः ज्ञात भिन्नताएं σ<sub>ξ</sub><sup>2 और ''σ<sub>ε</sub>''<sup>2</sup>, हैं। इसके अलावा, x<sub>j,</sub> ''j''वें अवलोकन के लिए [[आश्रित और स्वतंत्र चर]] का एक सदिश है <math>\beta</math> प्रतिगमन मापदंडों का एक सदिश है।


केवें अवलोकन के लिए अवलोकन-त्रुटि-मुक्त मूल्य का अनुमान प्रदान करने की BLUP समस्या,
''k''वें अवलोकन के लिए अवलोकन-त्रुटि-मुक्त मान का अनुमान प्रदान करने की बीएलयूपी समस्या,


:<math>\widetilde{Y}_k= \mu + x_k^T\beta +\xi_k    ,</math>
:<math>\widetilde{Y}_k= \mu + x_k^T\beta +\xi_k    ,</math>
आवश्यकता के अनुसार तैयार किया जा सकता है कि एक रैखिक भविष्यवक्ता के गुणांक को इस प्रकार परिभाषित किया गया है
आवश्यकता के अनुसार तैयार किया जा सकता है कि रैखिक प्राग्वक्ता के गुणांक को इस प्रकार परिभाषित किया गया है


:<math>\widehat{Y}_k= \sum_{j=1}^n c_{j,k} Y_j  ,</math>
:<math>\widehat{Y}_k= \sum_{j=1}^n c_{j,k} Y_j  ,</math>
भविष्यवाणी त्रुटि के विचरण को कम करने के लिए चुना जाना चाहिए,
प्रागुक्ति त्रुटि के विचरण को कम करने के लिए चुना जाना चाहिए,


:<math>V= \operatorname{Var}(\widetilde{Y}_k- \widehat{Y}_k), </math>
:<math>V= \operatorname{Var}(\widetilde{Y}_k- \widehat{Y}_k), </math>
इस शर्त के अधीन कि भविष्यवक्ता निष्पक्ष है,
इस स्थिति के अधीन कि प्राग्वक्ता निष्पक्ष है,


:<math>\operatorname{E}(\widetilde{Y}_k- \widehat{Y}_k)=0 . </math>
:<math>\operatorname{E}(\widetilde{Y}_k- \widehat{Y}_k)=0 . </math>
==बीएलयूपी बनाम बीएलयूई==
सर्वोत्तम रैखिक निष्पक्ष अनुमानक के मामले के विपरीत, "अनुमानित की जाने वाली मात्रा", <math>\widetilde{Y}_k</math> में न केवल यादृच्छिक तत्व का योगदान है बल्कि देखी गई मात्राओं में से एक, विशेष रूप से <math>Y_k</math> का भी योगदान होता है। जो <math>\widehat{Y}_k</math> में योगदान देता है, उसी यादृच्छिक तत्व का भी योगदान है।


बीएलयूई के विपरीत, बीएलयूपी ज्ञात या अनुमानित भिन्नताओं को ध्यान में रखता है।<ref>{{cite journal|last1=Stanek|first1=Edward J. III|last2=Well|first2=Arnold|last3=Ockene|first3=Ira|title=Why not routinely use best linear unbiased predictors (BLUPs) as estimates of cholesterol, per cent fat from kcal and physical activity?|journal=Statistics in Medicine|date=1999|volume=18|issue=21|pages=2943–2959|doi=10.1002/(sici)1097-0258(19991115)18:21<2943::aid-sim241>3.0.co;2-0|pmid=10523752}}</ref>
==प्रजनन में बीएलयूपी का इतिहास==
हेंडरसन ने सांख्यिकीय दृष्टिकोण से प्रजनन की खोज की थी। उनके काम ने [[सूचकांक चयन|सूचकांक]] (एसआई) और [[अनुमानित प्रजनन मूल्य|अनुमानित प्रजनन मान]] (ईबीवी) के विकास में सहायता की थी। इन सांख्यिकीय तरीकों ने संयुक्त राज्य अमेरिका में उपयोग की जाने वाली कृत्रिम गर्भाधान स्टड रैंकिंग को प्रभावित किया। ये प्रारंभिक सांख्यिकीय विधियां अब पशुधन प्रजनन में आम तौर पर प्रचलित बीएलयूपी के साथ भ्रमित हैं।


==BLUP बनाम नीला==
वास्तविक शब्द बीएलयूपी की उत्पत्ति कनाडा में गुएलफ विश्वविद्यालय में डैनियल सोरेंसन और ब्रायन कैनेडी के काम से हुई, जिसमें उन्होंने हेंडरसन के परिणामों को एक मॉडल तक बढ़ाया जिसमें चयन के कई चक्र शामिल हैं।<ref>{{cite journal |last1=Sorensen |first1=D. A. |last2=Kennedy |first2=B. W. |title=न्यूनतम-वर्ग और मिश्रित मॉडल पद्धति का उपयोग करके चयन की प्रतिक्रिया का अनुमान|journal=Journal of Animal Science |date=1 May 1984 |volume=58 |issue=5 |pages=1097–1106 |doi=10.2527/jas1984.5851097x |url=https://academic.oup.com/jas/article-abstract/58/5/1097/4658306}}</ref> इस मॉडल को गुएल्फ़ विश्वविद्यालय द्वारा डेयरी उद्योग में बीएलयूपी नाम से लोकप्रिय बनाया गया था। विश्वविद्यालय द्वारा आगे के काम से पता चला कि ईबीवी और एसआई पर बीएलयूपी की श्रेष्ठता है जिसके कारण यह प्राथमिक आनुवंशिक प्राग्वक्ता बन गया है।
सर्वश्रेष्ठ रैखिक निष्पक्ष अनुमानक के मामले के विपरीत, अनुमानित की जाने वाली मात्रा, <math>\widetilde{Y}_k</math>, इसमें न केवल एक यादृच्छिक तत्व का योगदान है बल्कि विशेष रूप से देखी गई मात्राओं में से एक का भी योगदान है <math>Y_k</math> जो योगदान देता है <math>\widehat{Y}_k</math>, इसी यादृच्छिक तत्व का भी योगदान है।


BLUE के विपरीत, BLUP ज्ञात या अनुमानित भिन्नताओं को ध्यान में रखता है।<ref>{{cite journal|last1=Stanek|first1=Edward J. III|last2=Well|first2=Arnold|last3=Ockene|first3=Ira|title=Why not routinely use best linear unbiased predictors (BLUPs) as estimates of cholesterol, per cent fat from kcal and physical activity?|journal=Statistics in Medicine|date=1999|volume=18|issue=21|pages=2943–2959|doi=10.1002/(sici)1097-0258(19991115)18:21<2943::aid-sim241>3.0.co;2-0|pmid=10523752}}</ref>
इस प्रकार ऊपर लोकप्रिय बीएलयूपी मॉडल और सर्वोत्तम रैखिक निष्पक्ष प्रागुक्ति सांख्यिकीय पद्धति के बीच भ्रम है जो सामान्य उपयोग के लिए बहुत सैद्धांतिक था। यह मॉडल किसानों को कंप्यूटर पर उपयोग के लिए आपूर्ति किया गया था।


 
कनाडा में, सभी डेयरियाँ राष्ट्रीय स्तर पर रिपोर्ट करती हैं। कनाडा में आनुवंशिकी को साझा किया गया जिससे यह सबसे बड़ा आनुवंशिक पूल बन गया और इस प्रकार सुधार का स्रोत बन गया था। इसने और बीएलयूपी [[होल्स्टीन फ़्रीज़ियन मवेशी|होल्स्टीन फ़्रीज़ियन]] मवेशियों की गुणवत्ता में तेजी से वृद्धि किया था।
==प्रजनन में BLUP का इतिहास==
हेंडरसन ने सांख्यिकीय दृष्टिकोण से प्रजनन की खोज की। उनके काम ने [[सूचकांक चयन]] (एसआई) और [[अनुमानित प्रजनन मूल्य]] (ईबीवी) के विकास में सहायता की। इन सांख्यिकीय तरीकों ने संयुक्त राज्य अमेरिका में उपयोग की जाने वाली कृत्रिम गर्भाधान स्टड रैंकिंग को प्रभावित किया। ये शुरुआती सांख्यिकीय विधियां अब पशुधन प्रजनन में आम तौर पर प्रचलित बीएलयूपी के साथ भ्रमित हैं।
 
वास्तविक शब्द BLUP की उत्पत्ति कनाडा में गुएलफ विश्वविद्यालय में डैनियल सोरेंसन और ब्रायन कैनेडी के काम से हुई, जिसमें उन्होंने हेंडरसन के परिणामों को एक मॉडल तक बढ़ाया जिसमें चयन के कई चक्र शामिल हैं।<ref>{{cite journal |last1=Sorensen |first1=D. A. |last2=Kennedy |first2=B. W. |title=न्यूनतम-वर्ग और मिश्रित मॉडल पद्धति का उपयोग करके चयन की प्रतिक्रिया का अनुमान|journal=Journal of Animal Science |date=1 May 1984 |volume=58 |issue=5 |pages=1097–1106 |doi=10.2527/jas1984.5851097x |url=https://academic.oup.com/jas/article-abstract/58/5/1097/4658306}}</ref> इस मॉडल को गुएल्फ़ विश्वविद्यालय द्वारा डेयरी उद्योग में BLUP नाम से लोकप्रिय बनाया गया। विश्वविद्यालय द्वारा आगे के काम से पता चला कि ईबीवी और एसआई पर बीएलयूपी की श्रेष्ठता है जिसके कारण यह प्राथमिक आनुवंशिक भविष्यवक्ता बन गया है।{{Citation needed|date=June 2022}}.
 
इस प्रकार ऊपर लोकप्रिय बीएलयूपी मॉडल और सर्वोत्तम रैखिक निष्पक्ष भविष्यवाणी सांख्यिकीय पद्धति के बीच भ्रम है जो सामान्य उपयोग के लिए बहुत सैद्धांतिक था। यह मॉडल किसानों को कंप्यूटर पर उपयोग के लिए आपूर्ति किया गया था।
 
कनाडा में, सभी डेयरियाँ राष्ट्रीय स्तर पर रिपोर्ट करती हैं। कनाडा में आनुवंशिकी को साझा किया गया जिससे यह सबसे बड़ा आनुवंशिक पूल बन गया और इस प्रकार सुधार का स्रोत बन गया। इसने और BLUP [[होल्स्टीन फ़्रीज़ियन मवेशी]] मवेशियों की गुणवत्ता में तेजी से वृद्धि की।


==यह भी देखें==
==यह भी देखें==
* [[ युद्ध ]]
* [[ युद्ध | क्रिंगिंग]]
*[[न्यूनतम माध्य वर्ग त्रुटि]]
*[[न्यूनतम माध्य वर्ग त्रुटि]]


Revision as of 10:55, 17 December 2023

आंकड़ों में, यादृच्छिक प्रभावों के आकलन के लिए रैखिक मिश्रित मॉडल में सर्वोत्तम रैखिक निष्पक्ष प्रागुक्ति (बीएलयूपी) का उपयोग किया जाता है। बीएलयूपी की उत्पत्ति 1950 में चार्ल्स रॉय हेंडरसन द्वारा की गई थी, लेकिन "सर्वोत्तम रैखिक निष्पक्ष प्राग्वक्ता" (या प्रागुक्ति) शब्द का उपयोग 1962 तक नहीं किया गया था।[1] यादृच्छिक प्रभावों की "सर्वोत्तम रैखिक निष्पक्ष प्रागुक्तियाँ" (बीएलयूपी) निश्चित प्रभावों के सर्वोत्तम रैखिक निष्पक्ष अनुमानों (बीएलयूई) (गॉस-मार्कोव प्रमेय देखें) के समान हैं। अंतर इसलिए उत्पन्न होता है क्योंकि निश्चित प्रभावों का अनुमान लगाने के बारे में नहीं बल्कि यादृच्छिक प्रभावों की प्रागुक्ति करने के बारे में बात करना पारंपरिक है, लेकिन दोनों शब्द अन्यथा समकक्ष हैं। (यह थोड़ा अजीब है क्योंकि यादृच्छिक प्रभावों को पहले ही "एहसास" हो चुका है; वे पहले से ही मौजूद हैं। "प्रागुक्ति" शब्द का उपयोग इसलिए हो सकता है क्योंकि पशु प्रजनन के क्षेत्र में जिसमें हेंडरसन ने काम किया था, यादृच्छिक प्रभाव आमतौर पर आनुवंशिक योग्यता थे, जिसका उपयोग संतानों की गुणवत्ता की प्रागुक्ति करने के लिए उपयोग किया जाता है (रॉबिन्सन)।[1]पृष्ठ 28))। हालाँकि, "निश्चित" प्रभावों और यादृच्छिक प्रभावों के समीकरण भिन्न हैं।

व्यवहार में, अक्सर ऐसा होता है कि यादृच्छिक प्रभाव (शब्दों) से जुड़े मापदंड अज्ञात होते हैं; ये मापदंड यादृच्छिक प्रभावों और अवशेषों के भिन्नताएं हैं। आमतौर पर मापदंडों का अनुमान लगाया जाता है और प्राग्वक्ता में बंद किया जाता है, जिससे अनुभवजन्य सर्वोत्तम रैखिक निष्पक्ष प्राग्वक्ता (ईबीएलयूपी) प्राप्त होता है। ध्यान दें कि केवल अनुमानित मापदंड को प्राग्वक्ता में बंद करने से, अतिरिक्त परिवर्तनशीलता का पता नहीं चलता है, जिससे ईबीएलयूपी के लिए अत्यधिक आशावादी प्रागुक्ति भिन्नताएं उत्पन्न होती हैं।

सर्वोत्तम रैखिक निष्पक्ष प्रागुक्तियाँ रैखिक मिश्रित मॉडल में यादृच्छिक प्रभावों के अनुभवजन्य बेयस अनुमानों के समान हैं, सिवाय इसके कि बाद के मामले में, जहां वजन भिन्नता के घटकों के अज्ञात मानो पर निर्भर करते हैं, इन अज्ञात भिन्नताओं को नमूना-आधारित अनुमानों द्वारा प्रतिस्थापित किया जाता है।

उदाहरण

मान लीजिए कि प्रेक्षणों के लिए मॉडल {Yj ; j = 1, ..., n} को

के रूप में लिखा जाता है

जहां सभी अवलोकनों का माध्य है, और ξjऔर εjjअवलोकन j के लिए यादृच्छिक प्रभाव और अवलोकन त्रुटि का प्रतिनिधित्व करते हैं, और मान लेते हैं कि वे असंबंधित हैं और क्रमशः ज्ञात भिन्नताएं σξ2 और σε2, हैं। इसके अलावा, xj, jवें अवलोकन के लिए आश्रित और स्वतंत्र चर का एक सदिश है प्रतिगमन मापदंडों का एक सदिश है।

kवें अवलोकन के लिए अवलोकन-त्रुटि-मुक्त मान का अनुमान प्रदान करने की बीएलयूपी समस्या,

आवश्यकता के अनुसार तैयार किया जा सकता है कि रैखिक प्राग्वक्ता के गुणांक को इस प्रकार परिभाषित किया गया है

प्रागुक्ति त्रुटि के विचरण को कम करने के लिए चुना जाना चाहिए,

इस स्थिति के अधीन कि प्राग्वक्ता निष्पक्ष है,

बीएलयूपी बनाम बीएलयूई

सर्वोत्तम रैखिक निष्पक्ष अनुमानक के मामले के विपरीत, "अनुमानित की जाने वाली मात्रा", में न केवल यादृच्छिक तत्व का योगदान है बल्कि देखी गई मात्राओं में से एक, विशेष रूप से का भी योगदान होता है। जो में योगदान देता है, उसी यादृच्छिक तत्व का भी योगदान है।

बीएलयूई के विपरीत, बीएलयूपी ज्ञात या अनुमानित भिन्नताओं को ध्यान में रखता है।[2]

प्रजनन में बीएलयूपी का इतिहास

हेंडरसन ने सांख्यिकीय दृष्टिकोण से प्रजनन की खोज की थी। उनके काम ने सूचकांक (एसआई) और अनुमानित प्रजनन मान (ईबीवी) के विकास में सहायता की थी। इन सांख्यिकीय तरीकों ने संयुक्त राज्य अमेरिका में उपयोग की जाने वाली कृत्रिम गर्भाधान स्टड रैंकिंग को प्रभावित किया। ये प्रारंभिक सांख्यिकीय विधियां अब पशुधन प्रजनन में आम तौर पर प्रचलित बीएलयूपी के साथ भ्रमित हैं।

वास्तविक शब्द बीएलयूपी की उत्पत्ति कनाडा में गुएलफ विश्वविद्यालय में डैनियल सोरेंसन और ब्रायन कैनेडी के काम से हुई, जिसमें उन्होंने हेंडरसन के परिणामों को एक मॉडल तक बढ़ाया जिसमें चयन के कई चक्र शामिल हैं।[3] इस मॉडल को गुएल्फ़ विश्वविद्यालय द्वारा डेयरी उद्योग में बीएलयूपी नाम से लोकप्रिय बनाया गया था। विश्वविद्यालय द्वारा आगे के काम से पता चला कि ईबीवी और एसआई पर बीएलयूपी की श्रेष्ठता है जिसके कारण यह प्राथमिक आनुवंशिक प्राग्वक्ता बन गया है।

इस प्रकार ऊपर लोकप्रिय बीएलयूपी मॉडल और सर्वोत्तम रैखिक निष्पक्ष प्रागुक्ति सांख्यिकीय पद्धति के बीच भ्रम है जो सामान्य उपयोग के लिए बहुत सैद्धांतिक था। यह मॉडल किसानों को कंप्यूटर पर उपयोग के लिए आपूर्ति किया गया था।

कनाडा में, सभी डेयरियाँ राष्ट्रीय स्तर पर रिपोर्ट करती हैं। कनाडा में आनुवंशिकी को साझा किया गया जिससे यह सबसे बड़ा आनुवंशिक पूल बन गया और इस प्रकार सुधार का स्रोत बन गया था। इसने और बीएलयूपी होल्स्टीन फ़्रीज़ियन मवेशियों की गुणवत्ता में तेजी से वृद्धि किया था।

यह भी देखें

टिप्पणियाँ

  1. ↑ 1.0 1.1 Robinson, G.K. (1991). "That BLUP is a Good Thing: The Estimation of Random Effects". Statistical Science. 6 (1): 15–32. doi:10.1214/ss/1177011926. JSTOR 2245695. MR 1108815. Zbl 0955.62500.
  2. ↑ Stanek, Edward J. III; Well, Arnold; Ockene, Ira (1999). "Why not routinely use best linear unbiased predictors (BLUPs) as estimates of cholesterol, per cent fat from kcal and physical activity?". Statistics in Medicine. 18 (21): 2943–2959. doi:10.1002/(sici)1097-0258(19991115)18:21<2943::aid-sim241>3.0.co;2-0. PMID 10523752.
  3. ↑ Sorensen, D. A.; Kennedy, B. W. (1 May 1984). "न्यूनतम-वर्ग और मिश्रित मॉडल पद्धति का उपयोग करके चयन की प्रतिक्रिया का अनुमान". Journal of Animal Science. 58 (5): 1097–1106. doi:10.2527/jas1984.5851097x.


संदर्भ

Retrieved from ‘https://www.vigyanwiki.in/index.php?title=सर्वोत्तम_रैखिक_निष्पक्ष_प्रागुक्ति&oldid=280908’