परिकल्पना परीक्षण (जब आत्मविश्वास अंतराल उपलब्ध हो) का उपयोग सिखाना और जारी रखना क्यों जारी है?


56

क्यों उन समस्याओं के लिए परिकल्पना परीक्षण (अपनी सभी कठिन अवधारणाओं के साथ और जो सबसे अधिक सांख्यिकीय पापों में से हैं) का उपयोग करना जारी रखते हैं, जहां एक अंतराल आकलनकर्ता (आत्मविश्वास, बूटस्ट्रैप, विश्वसनीयता या जो भी हो) है? छात्रों को दी जाने वाली सबसे अच्छी व्याख्या (यदि कोई हो) क्या है? केवल परंपरा? विचारों का बहुत स्वागत होगा।



4
ये उद्धरण बहुत उपयुक्त हैं। सभी मॉडल गलत हैं, लेकिन कुछ उपयोगी हैं।
mpiktas

जवाबों:


60

यह मेरी निजी राय है, इसलिए मुझे यकीन नहीं है कि यह उत्तर के रूप में ठीक से योग्य है।

हमें परिकल्पना परीक्षण क्यों सिखाना चाहिए?

एक बहुत बड़ा कारण, संक्षेप में, यह है कि, सभी संभावना में, यह समय आपको इस वाक्य को पढ़ने के लिए लेता है, सैकड़ों, यदि हाइपोथीसिस परीक्षणों के हजारों (या लाखों) नहीं हैं, तो आप जहां बैठते हैं, उसके 10 फीट के दायरे में आयोजित किया जाता है।

आपका सेल फोन निश्चित रूप से यह तय करने के लिए संभावना अनुपात परीक्षण का उपयोग कर रहा है कि यह बेस स्टेशन की सीमा के भीतर है या नहीं। आपके लैपटॉप का वाईफाई हार्डवेयर आपके राउटर के साथ संचार करने में वही कर रहा है।

माइक्रोवेव जो आपने ऑटो रिहीट किया था, दो दिन पुराने पिज्जा के टुकड़े ने यह तय करने के लिए एक परिकल्पना परीक्षण का उपयोग किया था कि आपका पिज्जा कब गर्म था।

जब आप इसे बर्फीले सड़क पर बहुत अधिक गैस देते हैं, या टायर-प्रेशर चेतावनी प्रणाली आपको बताती है कि आपकी रियर पैसेंजर-साइड टायर असामान्य रूप से कम था, और आपकी हेडलाइट अपने आप लगभग 5 पर आ गई: 19pm शाम ढल रही थी।

आपका iPad इस पृष्ठ को लैंडस्केप प्रारूप में (नॉइज़) एक्सेलेरोमीटर रीडिंग के आधार पर प्रस्तुत कर रहा है।

आपकी क्रेडिट कार्ड कंपनी ने आपका कार्ड तब बंद कर दिया जब "आप" ने टेक्सास में सर्वश्रेष्ठ खरीदें में एक फ्लैट-स्क्रीन टीवी खरीदा और लंच, गैस और मूवी खरीदने के कुछ घंटों के भीतर वाशिंगटन राज्य के मॉल में ज़ेल्स में 2000 डॉलर की हीरे की अंगूठी खरीदी। पिट्सबर्ग उपनगर में अपने घर के पास।

सैकड़ों हजारों बिट्स जो आपके ब्राउज़र में इस वेबपेज को रेंडर करने के लिए भेजे गए थे, प्रत्येक ने व्यक्तिगत रूप से एक परिकल्पना परीक्षण किया था, यह निर्धारित करने के लिए कि क्या वे संभवतः 0 या 1 थे (कुछ आश्चर्यजनक त्रुटि-सुधार के अलावा)।

उन "संबंधित" विषयों पर थोड़ा सा अपना अधिकार देखें।

ये सभी बातें परिकल्पना परीक्षणों के कारण "हुईं" । इनमें से कई चीजों के लिए कुछ पैरामीटर के अंतराल अंतराल की गणना की जा सकती है। लेकिन, विशेष रूप से स्वचालित औद्योगिक प्रक्रियाओं के लिए, परिकल्पना परीक्षण का उपयोग और समझ महत्वपूर्ण है।


अधिक सैद्धांतिक सांख्यिकीय स्तर पर, सांख्यिकीय शक्ति की महत्वपूर्ण अवधारणा स्वाभाविक रूप से एक निर्णय-सिद्धांत / परिकल्पना-परीक्षण रूपरेखा से स्वाभाविक रूप से उत्पन्न होती है। इसके अलावा, मेरा मानना ​​है कि "यहां तक ​​कि" एक शुद्ध गणितज्ञ नेमैन-पियरसन लेम्मा की सुंदरता और सादगी की सराहना कर सकता है और इसका प्रमाण है।

यह कहना नहीं है कि परिकल्पना परीक्षण सिखाया जाता है, या समझा जाता है, अच्छी तरह से। द्वारा और बड़े, यह नहीं है। और, जबकि मैं इस बात से सहमत हूँ कि - विशेष रूप से चिकित्सा विज्ञानों में - प्रभाव के आकार और व्यावहारिक बनाम सांख्यिकीय महत्व के साथ-साथ अंतराल के अनुमानों की रिपोर्टिंग किसी भी औपचारिक परिकल्पना परीक्षण के लिए लगभग सार्वभौमिक रूप से बेहतर है, इसका मतलब यह नहीं है कि परिकल्पना परीक्षण और संबंधित अवधारणाएँ अपने आप में महत्वपूर्ण और दिलचस्प नहीं हैं।


2
उदाहरणों की दिलचस्प सूची के लिए धन्यवाद। प्रश्न के उद्देश्य को देखते हुए: हमारे सांख्यिकी पाठ्यक्रमों की समीक्षा पर बहस में योगदान करने के लिए, हम आधुनिक उपकरणों में परीक्षण के कार्यान्वयन पर अधिक विवरण प्राप्त करने की कोशिश करेंगे, हमारे इंजीनियरिंग छात्रों के लिए एक महान प्रेरणा हो सकती है।
वाशिंगटन एस। सिल्वा

3
आपके अधिकांश उदाहरणों को वास्तव में शास्त्रीय परिकल्पना tesing (एक निश्चित आत्मविश्वास स्तर को लागू करना) की आवश्यकता नहीं है, लेकिन एक निर्णय प्रक्रिया है।
kjetil b halvorsen

1
प्रिय @kjetil: ईमानदार होने के लिए एक नीच यहाँ थोड़ा कठोर लगता है। दरअसल, यह सवाल शास्त्रीय परिकल्पना परीक्षण के बारे में कुछ खास नहीं पूछता है , और मेरा जवाब यह धारणा भी नहीं बनाता है! ( परिकल्पना परीक्षण की व्यापक रूप से व्याख्या यहाँ की गई है, और अच्छे कारण से की गई है।)
कार्डिनल

1
मुझे ऑटो-रिहीट के साथ एक माइक्रोवेव खरीदने की आवश्यकता है।
जम्बिजारा

2
यह एक बहुत ही आकर्षक उत्तर है, लेकिन मैं बहुत आभारी रहूंगा यदि आप थोड़ा और अधिक बताएंगे कि ये सभी चीजें "परिकल्पना परीक्षण" क्यों हैं। मैं समझता हूं कि आपके सभी उदाहरण स्वचालित बाइनरी निर्णयों के बारे में हैं। मैं कल्पना करता हूं कि ज्यादातर मामलों में कुछ मूल्य को मापा जाता है और फिर कटऑफ की तुलना में यह तय करने के लिए कि क्या यह इसके ऊपर या नीचे है (और इसलिए निर्णय पर पहुंचे)। क्या यह पहले से ही आपके लिए "परिकल्पना परीक्षण" के रूप में योग्य है, या आपका मतलब कुछ और था? मुझे लगता है कि जब ओपी ने पूछा कि परिकल्पना परीक्षण अभी भी क्यों सिखाया जा रहा है, तो उन्होंने सरल थ्रेसहोल्डिंग का उल्लेख नहीं किया।
अमीबा का कहना है कि मोनिका

29

मैं कई कारणों से परिकल्पना परीक्षण सिखाता हूं। एक ऐतिहासिक है, कि उन्हें पूर्व शोध के एक बड़े निकाय को समझना होगा जो वे परिकल्पना परीक्षण बिंदु को पढ़ते और समझते हैं। दूसरी बात यह है कि आधुनिक समय में भी, यह अभी भी कुछ शोधकर्ताओं द्वारा उपयोग किया जाता है, अक्सर अंतर्निहित रूप से, जब अन्य प्रकार के सांख्यिकीय विश्लेषण करते हैं।

लेकिन जब मैं इसे सिखाता हूं, तो मैं इसे मॉडल बिल्डिंग के ढांचे में सिखाता हूं, कि ये धारणाएं और अनुमान बिल्डिंग मॉडल के हिस्से हैं। इस तरह से अधिक जटिल और सैद्धांतिक रूप से दिलचस्प मॉडल की तुलना करने के लिए स्विच करना अपेक्षाकृत आसान है। अनुसंधान अधिक बार एक सिद्धांत बनाम कुछ नहीं के बजाय एक दूसरे के खिलाफ सिद्धांतों को गड्ढे में डालता है।

परिकल्पना परीक्षण के पाप गणित में निहित नहीं हैं, और उन गणनाओं का उचित उपयोग है। जहां वे मुख्य रूप से झूठ पर निर्भरता और गलत व्याख्या करते हैं। यदि भोले-भाले शोधकर्ताओं का एक विशाल बहुमत विशेष रूप से अंतराल अनुमान का उपयोग करता है, तो इन संबंधों के किसी भी मान्यता के साथ हम उन परिकल्पनाओं को कहते हैं जिन्हें हम पाप कह सकते हैं।


+1, धन्यवाद। अच्छी तरह से तर्क दिया। लेकिन परिचयात्मक पाठ्यक्रमों में, सख्त अर्थ में, कोई मॉडल चयन नहीं है। आप अन्य संदर्भों का हवाला दे सकते हैं जो परिकल्पना परीक्षण की शुरुआत के लिए उपयुक्त हैं? शक्ति के अनुमान के बिना परीक्षण के परिणाम की रिपोर्ट करना स्वीकार्य है?
वाशिंगटन एस सिल्वा

2
परिचयात्मक पाठ्यक्रमों में कोई मॉडल चयन होना एक आवश्यकता नहीं है। यदि आप एक पाठ्यक्रम को बदलने पर विचार कर रहे हैं, तो विचार करें कि शुरू करने के लिए एक अच्छी जगह के रूप में।
जॉन

20

PPPP


2
मैं यह नहीं कहूंगा कि कुछ क्षेत्रों में, "एकमात्र स्थान ..." और "एनोवा शामिल हैं ..." का मतलब है कि आपने केवल सांख्यिकीय टूलबॉक्स की एक जबरदस्त मात्रा को कवर किया है।
3

4
मुझे लगता है कि इस पद के लिए बहुत कुछ कहा जा सकता है। यह देखते हुए कि कई शोधकर्ता ज्यादातर अपने डेटा में पैटर्न के बारे में जानना चाहते हैं, मुझे अक्सर आश्चर्य होता है कि क्या हम उचित रूप से बहुत सारे आंकड़े सेट कर सकते हैं और बस डेटा के प्लॉट का उपयोग कर सकते हैं। (बेशक, यह मान लिया गया है भूखंडों कुशलता और insightfully किया जाना होता है, और परिकल्पना परीक्षण के रूप में बुरा है, तो हम चाहते हैं कि उनके बारे में कह सकते हैं नहीं होगा।)
गुंग - फिर से बहाल करें मोनिका

1
नित-चुनिंदा, मैं इस बात से असहमत हूं "सबूतों का अभाव अनुपस्थिति का सबूत नहीं है"। किसी प्रभाव के लिए साक्ष्य की अनुपस्थिति यह सबूत नहीं है कि कोई प्रभाव मौजूद नहीं है, लेकिन यह निश्चित रूप से उस प्रभाव के खिलाफ सबूत का गठन करता है । यह सवाल अधिक है कि एक गैर-महत्वपूर्ण परिणाम के प्रभाव के खिलाफ कितने सबूत हैं। बड़े पी-वैल्यू के साथ समस्या मुझे लगता है कि सामान्य वितरण के मामले में, बड़े पी-वैल्यू परिकल्पना के लिए सबूत हैं , क्योंकि वे फिट की अच्छाई का एक मोनोटोनिक फ़ंक्शन हैं। और क्योंकि सामान्य वितरण बहुत आम है, इसलिए लोग इसे देखते हैं और एक्सट्रापोलेट करते हैं
प्रायिकतालोगिक

5
P

11

मुझे लगता है कि यह निर्भर करता है कि आप किस परिकल्पना परीक्षण की बात कर रहे हैं। "शास्त्रीय" परिकल्पना परीक्षण (नेमन-पियर्सन) को दोषपूर्ण कहा जाता है क्योंकि यह वास्तव में उस स्थिति में उचित स्थिति नहीं रखता है जब आपने परीक्षण किया था । इसके बजाय यह काम करने के लिए डिज़ाइन किया गया है, भले ही आपने वास्तव में लंबे समय में देखा हो। लेकिन स्थिति में विफल होने पर व्यक्तिगत मामले में भ्रामक परिणाम हो सकते हैं। यह केवल इसलिए है क्योंकि प्रक्रिया "परवाह नहीं करती है" व्यक्तिगत मामले के बारे में, लंबे समय तक।

परिकल्पना परीक्षण को निर्णय सैद्धांतिक ढांचे में डाला जा सकता है, जो मुझे लगता है कि इसे समझने का एक बेहतर तरीका है। आप समस्या को दो निर्णयों के रूप में हल कर सकते हैं:

  1. H0
  2. HA

निर्णय की रूपरेखा को समझना बहुत आसान है, क्योंकि यह स्पष्ट रूप से "आप क्या करेंगे?" और "सत्य क्या है?" (आपकी पूर्व सूचना के माध्यम से)।

आप अपने प्रश्न के लिए "निर्णय सिद्धांत" (डीटी) भी लागू कर सकते हैं। लेकिन परिकल्पना परीक्षण को रोकने के लिए, डीटी कहता है कि आपके पास एक वैकल्पिक निर्णय उपलब्ध होना चाहिए। तो सवाल यह है: यदि परिकल्पना परीक्षण को छोड़ दिया जाता है, तो इसका स्थान क्या लेना है? मैं इस सवाल का जवाब नहीं सोच सकता। मैं केवल परिकल्पना परीक्षण करने के वैकल्पिक तरीकों के बारे में सोच सकता हूं।

(नोट: परिकल्पना परीक्षण के संदर्भ में, डेटा, नमूना वितरण, पूर्व वितरण और हानि कार्य सभी पूर्व सूचना हैं क्योंकि वे निर्णय लेने से पहले प्राप्त किए जाते हैं ।)


इस मुद्दे के साथ मेरा लक्ष्य उस संस्थान में चल रहे आँकड़ों में पाठ्यक्रम के संशोधन पर बहस को समृद्ध बनाने के लिए विशेषज्ञ की राय एकत्र करना था, जहाँ मैं ब्राज़ील में काम करता हूँ। उद्देश्य हासिल किया जा रहा है, राय के साथ ही @cardinal, @Andrew Robinson, @probabilityislogic और @JMS के रूप में रखा गया है। स्पष्ट रूप से, परिकल्पना परीक्षण (एनपी, डीटी या बाय्स के माध्यम से) को बहुत अच्छी तरह से पढ़ाया जाना चाहिए, लेकिन आंकड़ों के शिक्षण की सार्वभौमिकता को देखते हुए पाठ्यक्रमों को उपयुक्त बनाने के लिए चुनौतियां समान और अधिक जटिल हैं। आपके सहयोग के लिए धन्यवाद।
वाशिंगटन एस। सिल्वा

1
मुझे निर्णय सिद्धांत पसंद है, अगर उचित तरीके से नुकसान / उपयोगिता कार्यों को शामिल करने वाले बायेसियन तरीकों का उपयोग कड़ाई से किया जाता है। यदि ऐसे कार्य उपलब्ध नहीं हैं, तो मैं अंतराल के आकलन का पक्ष लेता हूं।
फ्रैंक हरेल

@FrankHarrell - मैं सहमत हूं, लेकिन मैं अभी भी एक तरह के "निर्णय सिद्धांत" के रूप में अंतराल का अनुमान लगाऊंगा, जहां उपयोगिता फ़ंक्शन आमतौर पर सूचना सामग्री (यानी निष्कर्ष जो हमारे पास बेहतर जानकारी का उपयोग करते हैं) पर आधारित है - और यह अनुकूलित है बाद में वितरण से ही, और संभवतः एक पूर्ववर्ती पूर्वानुमान अगर भविष्यवाणी ब्याज की है। अंतराल का अनुमान पोस्टीरियर का सुविधाजनक सारांश प्रदान करता है। और अच्छे आत्मविश्वास के अंतराल (जैसे MLE पर आधारित) एक बहुत अच्छा सन्निकटन प्रदान करते हैं जब हाथ में डेटा के बाहर की जानकारी कम होती है
प्रायिकतालॉगिक

आमतौर पर आप अंतराल के आकलन का उपयोग करते हैं, जब आपके पास कोई विशिष्ट निर्णय नहीं होता है (जो कि संभवतः मुख्य कारण है कि आपके पास एक उचित हानि कार्य नहीं होगा), और इसलिए कई अलग-अलग परिदृश्यों को पूरा करने की आवश्यकता है।
प्रोबेबिलिसलॉजिक

9

अगर मैं एक कट्टरपंथी आवृत्तिवादी होता तो मैं आपको याद दिलाता कि आत्मविश्वास अंतराल नियमित रूप से सिर्फ उल्टे परिकल्पना परीक्षण हैं, यानी जब 95% अंतराल बस उन सभी बिंदुओं का वर्णन करने का एक और तरीका है जो आपके डेटा को शामिल करने वाला परीक्षण .05 पर अस्वीकार नहीं करेगा स्तर। इन स्थितियों में एक दूसरे के लिए प्राथमिकता, पद्धति के बजाय प्रदर्शनी का सवाल है।

अब, प्रदर्शनी निश्चित रूप से महत्वपूर्ण है, लेकिन मुझे लगता है कि यह एक अच्छा तर्क होगा। यह दोनों दृष्टिकोणों को अलग-अलग दृष्टिकोणों से एक ही अनुमान के प्रतिबंध के रूप में स्पष्ट करने के लिए स्पष्ट और स्पष्ट है। (तथ्य यह है कि नहीं सभी अंतराल आकलनकर्ता कर रहे हैं परीक्षण उल्टे फिर एक असुरूप लेकिन विशेष रूप से परेशान करने वाला नहीं तथ्य है, शैक्षणिक दृष्टि से बोल रहा है)।

जैसा कि ऊपर बताया गया है, बहुत अधिक गंभीर प्रभाव टिप्पणियों पर स्थिति के निर्णय से आते हैं। हालांकि, यहां तक ​​कि पीछे हटने में भी फ़्रीक्वेंटिस्ट हमेशा यह देख सकते हैं कि बहुत सारी स्थितियाँ हैं (शायद बहुमत नहीं) जहां टिप्पणियों पर कंडीशनिंग नासमझ या एकतरफा होगी। उन लोगों के लिए, HT / CI सेटअप है ('नहीं') ठीक वही है जो चाहते हैं, और उन्हें इस तरह पढ़ाया जाना चाहिए।


औपचारिक रूप से, टाइप I त्रुटि की दर पर बाध्य अल्फा के साथ किसी भी परिकल्पना परीक्षण को कवरेज पैरामीटर (1-अल्फा) के साथ एक आत्मविश्वास अंतराल में बदल दिया जा सकता है और इसके विपरीत, नहीं? मुझे नहीं लगता कि आपको यह मानने के लिए कट्टर कट्टरपंथी होना चाहिए कि यह परिभाषाओं द्वारा उलझा हुआ है। :-)
कीथ विंस्टीन

3
@Keith परिभाषाओं पर कोई तर्क नहीं है, लेकिन आपको गणित के दिलचस्प और शायद आसान बिट्स की तुलना में उन्हें अधिक विचार करने के लिए एक आवृत्तिवादी होना होगा। यही है, अगर आपको लगता है कि सांख्यिकीय सिद्धांत के लिए नमूना प्रमेय गुण महत्वपूर्ण हैं तो आप (या होना चाहिए) आत्मविश्वास अंतराल और परिकल्पना परीक्षणों के लिए समान रूप से उत्सुक हैं, जैसा कि हम सहमत हैं, उनके पास यह समरूपता है। मेरा 'अच्छा' CI और 'बुरा' HTs के बीच प्रश्नवाचक विपरीत प्रतिक्रिया थी। उन्हें एक साथ गांठ लगाकर मैं अन्य उत्तरों में सामने आए विरोधाभासों पर फिर से विचार करना चाहता था।
कंजुगेटपायर

7

शुरुआती आंकड़ों के छात्रों को नेमन पियर्सन परिकल्पना परीक्षण सिखाने में, मैंने अक्सर इसकी मूल सेटिंग में इसका पता लगाने की कोशिश की है: निर्णय लेने की। फिर टाइप 1 और टाइप 2 त्रुटियों की बुनियादी संरचना सभी समझ में आती है, जैसा कि यह विचार है कि आप अशक्त परिकल्पना को स्वीकार कर सकते हैं।

हमें एक निर्णय लेना है, हम सोचते हैं कि हमारे निर्णय के परिणाम को एक पैरामीटर के ज्ञान से सुधारा जा सकता है, हमारे पास केवल उस पैरामीटर का अनुमान है। हमें अभी भी निर्णय लेना है। फिर पैरामीटर का अनुमान होने के संदर्भ में सबसे अच्छा निर्णय क्या है?

यह मुझे लगता है कि इसकी मूल सेटिंग में (अनिश्चितता की स्थिति में निर्णय लेना) एनपी परिकल्पना परीक्षण एकदम सही समझ में आता है। उदाहरण के लिए N & P 1933 देखें, विशेष रूप से पी। 291।

नेमन और पीयरसन। सांख्यिकीय परिकल्पना के सबसे कुशल परीक्षणों की समस्या पर। लंदन की रॉयल सोसायटी के दार्शनिक विवरण। श्रृंखला ए, एक गणितीय या भौतिक चरित्र (1933) वॉल्यूम के कागजात युक्त। 231 पीपी। 289-337


4

परिकल्पना परीक्षण बहुत सारे प्रश्नों को फ्रेम करने का एक उपयोगी तरीका है: क्या उपचार शून्य या नॉनज़रो का प्रभाव है? इस तरह के बयानों और एक सांख्यिकीय मॉडल या प्रक्रिया (एक अंतराल अनुमानक के निर्माण सहित) के बीच की क्षमता मुझे लगता है कि चिकित्सकों के लिए महत्वपूर्ण है।

यह भी उल्लेख करते हुए कि एक आत्मविश्वास अंतराल (पारंपरिक अर्थों में) परिकल्पना परीक्षण की तुलना में स्वाभाविक रूप से कोई "पाप-प्रवण" नहीं है - कितने अंतर-आँकड़े छात्र एक आत्मविश्वास अंतराल की वास्तविक परिभाषा जानते हैं?

शायद समस्या परिकल्पना परीक्षण या अंतराल का अनुमान नहीं है क्योंकि यह उसी के शास्त्रीय संस्करण हैं; Bayesian सूत्रीकरण इन सबसे अच्छी तरह से बचा जाता है।


2
@JMS, "कितने अंतर सांख्यिकी छात्र विश्वास अंतराल की वास्तविक परिभाषा जानते हैं?" या, पीएचडी स्टेट ग्रेजुएट, उस मामले के लिए।
कार्डिनल

काफी! संयोग से, मेरा मतलब किसी भी धारियों के छात्रों या चिकित्सकों से नहीं था। लेकिन यह उन लोगों से मानसिक जिम्नास्टिक की उम्मीद करने के लिए थोड़ा पागल है, जिन्होंने आंकड़ों में उन्नत काम के लिए साइन अप नहीं किया है।
JMS

2
कितने लोग सीआई की वास्तविक परिभाषा कह सकते हैं? और कितने लोग इस परिभाषा के साथ लगातार उनका उपयोग करते हैं? इसका सिर्फ इतना भी मुश्किल नहीं है कि "पैरामीटर को उक्त अंतराल में होने की संभावना है" - भले ही आपको पता हो कि इसका सीआई क्या है।
probabilityislogic

E sobre a prática normal de não reportar-se Estativas do
वाशिंगटन एस। सिल्वा

1
मैंने जो व्यक्त करने की कोशिश की है वह यह है कि परिकल्पना परीक्षण शक्ति के अनुमानों के साथ बहुत ही संदिग्ध नहीं है और अंतराल के अनुमानों में जटिलताओं का यह अतिरिक्त स्रोत नहीं है।
वाशिंगटन एस। सिल्वा

2

वजह है निर्णय लेना। अधिकांश निर्णय लेने में आप या तो ऐसा करते हैं या नहीं। आप दिन भर अंतरालों को देखते रह सकते हैं, अंत में एक क्षण ऐसा होता है जहाँ आप इसे करने का निर्णय लेते हैं या नहीं।

परिकल्पना परीक्षण हां / ना के इस सरल वास्तविकता में अच्छी तरह से फिट बैठता है।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.