غالبا ما يتم دعم الأبحاث في NLP من خلال النتائج التجريبية، وقد يؤدي الإبلاغ المحسن لهذه النتائج إلى فهم أفضل وأكثر استنساخا. في هذه الورقة، نحلل ثلاثة مقدرين إحصائي لأداء التحقق من الصحة المتوقع، وهي أداة تستخدم لأداء الإبلاغ (على سبيل المثال، الدقة)
كدالة للميزانية الحاسوبية (على سبيل المثال، عدد تجارب ضبط HyperParameter). عندما يقوم العمل السابق بتحليل مثل هذه المقدرين يركز على التحيز، فإننا ندرس أيضا التباين ويعني الخطأ التربيعي (MSE). في كل من السيناريوهات الاصطناعية والواقعية، نقوم بتقييم ثلاثة مقدرين والعثور على مقدر غير متحيز لديه أعلى التباين، ومقدر أصغر البتان لديه أكبر تحيز؛ يقيم أصغر MSE يضرب توازن بين التحيز والتباين، وعرض مفاضلة الكلاسيكية من تباين التحيز. نحن نستخدم أداء التحقق من الصحة المتوقع للمقارنة بين النماذج المختلفة، وتحليل مدى متكرر كل مقدر يؤدي إلى رسم استنتاجات غير صحيحة حول أي نماذج تؤدي إلى الأفضل. نجد أن المقدرين المتحيزين تؤدي إلى أقل استنتاجات غير صحيحة، تلمحون بأهمية التقليل من التباين و MSE.
نقدم في هذا البحث المتغيرات العشوائية النيتروسوفيكية و التي هي عبارة عن تعميم
للمتغيرات العشوائية الكلاسيكية و التي حصلنا عليها من تطبيق منطق النيتروسوفيك ( و هو
منطق جديد غير كلاسيكي تم تأسيسه من قبل الفيلسوف و الرياضي الأميركي فلورنتن
سمارانداكه
Florentin Smarandache الذي قدمه كتعميم للمنطق الضبابي و خاصة
المنطق الضبابي الحدسي ) على المتغيرات العشوائية الكلاسيكية .
نقدم في هذا البحث دراسة لدالة الكثافة الاحتمالية لمتغير عشوائي مستمر. حيث
توصلنا إلى نتائج تبين وحدانية الشكل العام لهذه الدالة عندما تكون خطية أو من
الدرجة الثانية، كما توصلنا إلى الصيغة العامة لهذه الدالة لكل من الحالتين
السابقتين. و تم توضيح ال
شروط اللازمة و الكافية لكي تكون الدالة الخطية أو ذات
الدرجة الثانية دالة كثافة احتمالية مستمرة.
