📊 सांख्यिकी

OCD-component for D-Optimal CRD with 6 and Some Odd Replications

यह शोध पत्र [-1, +1] अंतराल (शून्य को छोड़कर) के भीतर सहचर प्रविष्टियों (covariate entries) का उपयोग करके छह और कुछ विषम पुनरावृत्तियों (replications) वाले पूर्णतः यादृच्छिक डिजाइनों (Completely Randomized Designs - CRD) के लिए एक नया OCD-घटक विकसित करता है, जिससे D-इष्टतमता (D-optimality) प्राप्त होती है और उपचार एवं सहचर प्रभावों का स्वतंत्र अनुमान संभव हो पाता है, जो कि मानक ±1 प्रविष्टियों या शून्य-मूल्य वाले सहचरों के साथ पहले अप्राप्य एक स्थिति थी।

मूल लेखक: Lokendro Chanam, KK. Singh Meitei

प्रकाशित 2026-09-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lokendro Chanam, KK. Singh Meitei

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कृषि और औद्योगिक अनुसंधान की दुनिया में, वैज्ञानिक अक्सर यह परीक्षण करने के लिए प्रयोग करते हैं कि विभिन्न उपचार एक विशिष्ट परिणाम को कैसे प्रभावित करते हैं, जैसे कि एक नया उर्वरक फसल की पैदावार को कैसे प्रभावित करता है या कोई दवा रोगी के ठीक होने के समय को कैसे बदलती है। विश्वसनीय उत्तर प्राप्त करने के लिए, उन्हें ऐसे प्रयोगों को डिजाइन करना चाहिए जो उपचार के वास्तविक प्रभाव को अन्य कारकों से अलग कर सकें जो परिणामों को पक्षपाती बना सकते हैं, जैसे कि रोगी की आयु या खेत की मिट्टी की गुणवत्ता। इन अतिरिक्त कारकों को सहचर (कोवेरियेट्स) कहा जाता है। ऐसे परीक्षण को स्थापित करने का सबसे बुनियादी तरीका 'कॉम्प्लिटली रैंडमाइज्ड डिजाइन' है, जहाँ विषयों को पूरी तरह से संयोग के आधार पर उपचार दिए जाते हैं। हालाँकि, परिणामों के भरोसेमंद होने के लिए, शोधकर्ताओं को यह सुनिश्चित करना चाहिए कि यादृच्छिक आवंटन अनजाने में सहचरों के साथ इस तरह मेल न खा जाए कि डेटा भ्रमित हो जाए। लक्ष्य एक ऐसा डिजाइन बनाना है जो "डी-ऑप्टिमल" (D-optimal) हो, जिसका तकनीकी अर्थ यह है कि प्रयोग की व्यवस्था सूचना की अधिकतम संभव मात्रा प्रदान करती है, जिससे वैज्ञानिक उपचार प्रभावों और सहचर प्रभावों को स्वतंत्र रूप से और उच्चतम सटीकता के साथ अनुमानित कर सकें।

द दशकों से, शोधकर्ता जानते हैं कि जब उपचार को दोहराने की संख्या एक सम संख्या होती है, तो सहचरों को दर्शाने के लिए धनात्मक और ऋणात्मक एक के सरल मानों का उपयोग करके इन आदर्श डिजाइनों का निर्माण करना अक्सर संभव होता है। हालाँकि, एक महत्वपूर्ण बाधा तब उत्पन्न होती है जब दोहराव की संख्या विषम होती है, या जब सम संख्या चार का गुणज नहीं होती है। इन विशिष्ट मामलों में, केवल धनात्मक और ऋणात्मक एक मानों का उपयोग करने की पारंपरिक विधि विफल हो जाती है। यह गणितीय रूप से असंभव हो जाता है कि डेटा को इस तरह व्यवस्थित किया जाए कि उपचार प्रभावों और सहचर प्रभावों का स्वतंत्र रूप से और उच्चतम सटीकता के साथ अनुमान लगाया जा सके। यह प्रयोगात्मक डिजाइन में एक रिक्त स्थान (ब्लाइंड स्पॉट) बनाता है, जिससे शोधकर्ता या तो कम सटीक परिणामों को स्वीकार करने के लिए मजबूर होते हैं या सहचरों का उपयोग करना ही छोड़ देते हैं, जो अध्ययन को कमजोर करता है।

मणिपुर विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इन मामलों के लिए आदर्श डिजाइन बनाने के लिए एक नया तरीका विकसित करके इस लंबे समय से चले आ रहे प्रश्न को संबोधित किया है, जहाँ दोहराव की संख्या विषम है, या छह की विशिष्ट सम संख्या है। उनका कार्य यह प्रदर्शित करता है कि समाधान इस सख्त नियम को शिथिल करने में निहित है कि सहचर के मान अनिवार्य रूप से धनात्मक या ऋणात्मक एक होने चाहिए। इसके बजाय, वे दिखाते हैं कि यदि मानों में शून्य और ऋणात्मक एक तथा धनात्मक एक के बीच की अन्य संख्याओं को शामिल करने की अनुमति दी जाए, तो एक ऐसा डिजाइन बनाया जा सकता है जो डी-ऑप्टिमल भी हो और उपचारों के प्रभावों को सहचरों से अलग करने में भी सक्षम हो। यह दृष्टिकोण पिछले तरीकों द्वारा छोड़े गए अंतराल को प्रभावी ढंग से भरता है, यह सुनिश्चित करता है कि इन विशिष्ट पुनरावृत्ति संख्याओं वाले प्रयोग अभी भी उच्चतम सांख्यिकीय दक्षता का स्तर प्राप्त कर सकें।

शोधकर्ताओं ने सबसे पहले उस मामले पर ध्यान केंद्रित किया जहाँ एक उपचार को छह बार दोहराया जाता है। उन्होंने सिद्ध किया कि केवल धनात्मक और ऋणात्मक एक मानों का उपयोग करने वाली कोई भी व्यवस्था एक आदर्श डिजाइन के लिए आवश्यक शर्तों को पूरा नहीं कर सकती। शून्य को शामिल करने वाले मानों के एक विशिष्ट मैट्रिक्स को पेश करके, उन्होंने एक ऐसा डिजाइन तैयार किया जो स्वतंत्रता और अनुकूलता की सभी आवश्यकताओं को पूरा करता है। यह डिजाइन सुनिश्चित करता है कि प्रत्येक कॉलम के मानों का योग शून्य है और कॉलम गणितीय रूप से ऑर्थोगोनल (लंबवत) हैं, जिसका अर्थ है कि वे एक-दूसरे के साथ हस्तक्षेप नहीं करते हैं। परिणाम एक ऐसी संरचना है जहाँ सूचना मैट्रिक्स, जो डेटा की गुणवत्ता को मापता है, अपने अधिकतम संभव मान तक पहुँच जाता है, जिससे पुष्टि होती है कि उपचार और सहचर प्रभावों का पूर्ण स्वतंत्रता के साथ अनुमान लगाया जा सकता है।

अध्ययन ने उपचारों के विषम संख्या में दोहराव वाले मामलों को कवर करने के लिए विस्तार किया, विशेष रूप से तीन, पांच, सात और नौ दोहरावों के मामलों को देखा गया। प्रत्येक परिदृश्य के लिए, शोधकर्ताओं ने सभी संभावित सहचरों की संख्या केAcross स्पष्ट निर्माण प्रदान किए। प्रत्येक मामले में, उन्होंने पाया कि शून्य मानों, या कभी-कभी भिन्नात्मक मानों का समावेश आवश्यक था। उदाहरण के लिए, एक सहचर के साथ तीन दोहरावों के डिजाइन के लिए, उपयोग किए गए मान ऋणात्मक एक, एक-तिहाई और एक-तिहाई थे। जैसे-जैसे दोहराव और सहचरों की संख्या बढ़ती गई, डिजाइन अधिक जटिल होते गए, जिनमें धनात्मक एक, ऋणात्मक एक और विभिन्न अंशों का मिश्रण शामिल था, लेकिन हमेशा यह महत्वपूर्ण गुण बनाए रखा गया कि प्रत्येक कॉलम का योग शून्य था।

लेखकों ने प्रत्येक प्रस्तावित मैट्रिक्स के लिए 'डिटरमिनेंट' (determinant) की गणना करके अपने निष्कर्षों को सत्यापित किया, जो डिजाइन द्वारा प्रदान की गई सूचना के समग्र आयतन का प्रतिनिधित्व करने वाला एक एकल संख्या है। उन्होंने दिखाया कि ये मान केवल धनात्मक और ऋणात्मक एक मानों का उपयोग करके बनाए जा सकने वाले किसी भी डिजाइन की तुलना में अधिक थे। उदाहरण के लिए, आठ सहचरों के साथ नौ दोहरावों के मामले में, उनके प्रस्तावित डिजाइन के लिए गणना किया गया मान काफी बड़ा था, जो इसकी श्रेष्ठता की पुष्टि करता है। यह शोध एक स्पष्ट नियम स्थापित करता है: किसी भी प्रयोग के लिए जहाँ दोहराव की संख्या विषम है, या छह की विशिष्ट सम संख्या के लिए, आदर्श डिजाइन केवल धनात्मक और ऋणात्मक एक के चरमों पर निर्भर नहीं रह सकता। इसके बजाय, इसमें ऋणात्मक एक और धनात्मक एक के बीच की पूरी रेंज का उपयोग करने वाला एक अधिक सूक्ष्म दृष्टिकोण की आवश्यकता होती है, जिसमें शून्य भी शामिल है, ताकि प्रयोगात्मक डेटा की पूर्ण क्षमता को अनलॉक किया जा सके।

यह कार्य प्रयोगात्मक डिजाइन के सिद्धांत में एक विशिष्ट सीमा को हल करता है, जो उन वैज्ञानिकों के लिए एक व्यावहारिक टूलकिट प्रदान करता है जो अपने काम में इन पुनरावृत्ति संख्याओं का सामना करते हैं। यह प्रदर्शित करके कि इन पहले से कठिन मामलों के लिए आदर्श डिजाइन मौजूद हैं, शोधकर्ताओं ने यह सुनिश्चित किया है कि सहचरों का उपयोग वैज्ञानिक प्रयोगों की सटीकता में सुधार करने के लिए एक व्यवहार्य और शक्तिशाली उपकरण बना रहे। निष्कर्ष पुष्टि करते हैं कि सबसे सटीक प्रयोगात्मक परिणामों का मार्ग दोहराव की संख्या की सम या विषम प्रकृति से बाधित नहीं है, बशर्ते कि डिजाइन सरल बाइनरी विकल्प (धनात्मक और ऋणात्मक एक) से परे मूल्यों को शामिल करने के लिए पर्याप्त लचीला हो।

तकनीकी सारांश: 6 और कुछ विषम प्रतिकृति (Replications) वाले D-ऑप्टिमल CRD के लिए OCD-घटक

समस्या विवरण
यह शोध पत्र पूरी तरह से यादृच्छिक डिजाइनों (Completely Randomized Designs - CRD) में ऑर्थोगोनल कोवेरिएट डिजाइनों (Orthogonal Covariate Designs - OCD) को शामिल करने के दौरान आने वाली एक विशिष्ट सीमा को संबोधित करता है। मुख्य समस्या तब उत्पन्न होती है जब एक उपचार प्रतिकृति ( $n_i$ ) विषम (odd) होती है, या $n_i=6$ जैसे विशिष्ट सम (even) मामलों में। इन परिदृश्यों में, केवल $\{-1, +1\}$ प्रविष्टियों का उपयोग करके एक ऐसा OCD-घटक बनाना गणितीय रूप से असंभव है जो एक साथ दो महत्वपूर्ण मानदंडों को संतुष्ट करता हो:

D-ऑप्टिमलिटी (D-optimality): सूचना मैट्रिक्स (information matrix) के डिटरमिनेंट (determinant) को अधिकतम करना।
स्वतंत्र अनुमानयोग्यता (Independent Estimability): यह सुनिश्चित करना कि उपचार प्रभावों और कोवेरिएट प्रभावों को स्वतंत्र रूप से अनुमानित किया जा सके (अर्थात, सूचना मैट्रिक्स ब्लॉक डायगोनल होना चाहिए, जिसके लिए उपचार और कोवेरिएट अनुमानों के बीच शून्य सहसंबंध होना आवश्यक है)।

पिछले साहित्य ने स्थापित किया था कि विषम प्रतिकृति के लिए, कोवेरिएट प्रविष्टियों को $\pm 1$ तक सीमित करने से स्वतंत्र अनुमान के लिए आवश्यक शून्य-योग (zero-sum) की स्थिति को संतुष्ट करने में बाधा आती है। फलस्वरूप, इन CRDs में कोवेरिएट्स की उपयोगिता कमजोर हो जाती है। इसके अतिरिक्त, 6 की सम प्रतिकृति के लिए भी, केवल $\pm 1$ तक सीमित प्रविष्टियों के साथ एक D-ऑप्टिमल OCD-घटक मौजूद नहीं है।

कार्यप्रणाली (Methodology)
लेखक CRD के लिए जनरल फिक्स्ड इफेक्ट्स एडिटिव लीनियर मॉडल (FEALM) पर आधारित एक कठोर बीजगणितीय दृष्टिकोण अपनाते हैं। कार्यप्रणाली निम्नलिखित सैद्धांतिक ढांचे पर निर्भर करती है:

सूचना मैट्रिक्स विश्लेषण: अध्ययन सूचना मैट्रिक्स $I(\theta)$ का उपयोग करता है, जहाँ D-ऑप्टिमलिटी को $\det(I(\theta))$ को अधिकतम करके परिभाषित किया जाता है। स्वतंत्र अनुमान के लिए, इस मैट्रिक्स के ऑफ-डायगोनल ब्लॉक्स शून्य होने चाहिए, जो यह शर्त लागू करता है कि कोवेरिएट डिजाइन मैट्रिक्स $Z_i$ के प्रत्येक कॉलम का योग शून्य होना चाहिए ( $\mathbf{1}_{n_i}' Z_i = \mathbf{0}'$ )।
इष्टतमता के लिए पर्याप्त शर्तें: शोध पत्र एक OCD-घटक के इष्टतम होने के लिए तीन पर्याप्त शर्तें स्थापित करता है:
1. $Z_i$ के प्रत्येक कॉलम का योग शून्य है।
2. $Z_i$ के किन्हीं दो अलग-अलग कॉलम का आंतरिक उत्पाद (inner product/sum of products) शून्य है (ऑर्थोगोनैलिटी)।
3. प्रविष्टियाँ $[-1, +1]$ के बंद अंतराल (closed interval) में हैं, जो डिटरमिनेंट को अधिकतम करने के लिए $\pm 1$ के मानों को प्राथमिकता देती हैं, लेकिन यदि शर्तों 1 और 2 को संतुष्ट करने के लिए आवश्यक हो, तो अन्य मानों (शून्य सहित) की अनुमति देती है।
निर्माण रणनीति (Construction Strategy):
- प्रतिकृति 6 ( $n_i=6$ ) के लिए: लेखक एक $H_4$ (क्रम 4 की हैडामार्ड मैट्रिक्स) को अनुकूलित करके एक 3-OCD-घटक का निर्माण करते हैं। वे प्रदर्शित करते हैं कि शून्य-योग और ऑर्थोगोनैलिटी बाधाओं को संतुष्ट करने के लिए, मैट्रिक्स में 0 प्रविष्टियों को शामिल करना आवश्यक है, जिससे $\{-1, 0, +1\}$ प्रविष्टियों वाला मैट्रिक्स प्राप्त होता है।
- विषम प्रतिकृतियों ( $n_i = 3, 5, 7, 9$ ) के लिए: लेखक सभी संभावित कोवेरिएट्स की संख्या ( $c$ ) के लिए OCD-घटक व्यवस्थित रूप से निर्मित करते हैं। निर्माण तकनीक में शून्य-योग शर्त को संतुष्ट करने के साथ-साथ ऑर्थोगोनैलिटी बनाए रखने और डिटरमिनेंट $|Z_i' Z_i|$ को अधिकतम करने के लिए $[-1, +1]$ अंतराल से प्रविष्टियों (जैसे $1/2, -3/4$ और शून्य) को शामिल करना शामिल है।

मुख्य परिणाम
शोध पत्र निम्नलिखित के लिए स्पष्ट निर्माण और गणितीय प्रमाण प्रदान करता है:

प्रतिकृति 6 ( $n_i=6$ ):
- प्रमेय 2.1 सिद्ध करता है कि $\{-1, 0, +1\}$ प्रविष्टियों के साथ एक इष्टतम 3-OCD-घटक मौजूद है।
- निर्मित मैट्रिक्स का डिटरमिनेंट $|Z_i' Z_i| = 96$ है।
- प्रमाण यह दर्शाता है कि शून्य-योग स्थिति को संतुष्ट करते हुए केवल $\pm 1$ प्रविष्टियों वाला कोई भी मैट्रिक्स उच्च डिटरमिनेंट प्राप्त नहीं कर सकता; अतः, इस विशिष्ट मामले में अनुकूलता के लिए 0 का समावेश आवश्यक है।
विषम प्रतिकृतियां ( $n_i = 3, 5, 7, 9$ ):
- शोध पत्र प्रत्येक संभावित कोवेरिएट्स की संख्या ( $c$ ) के लिए $n_i \in \{3, 5, 7, 9\}$ हेतु स्पष्ट मैट्रिसेस प्रस्तुत करता है।
- डिटरमिनेंट मान: अध्ययन प्रत्येक विन्यास के लिए अधिकतम किए गए डिटरमिनेंट मानों $|Z_i' Z_i|$ $∣ Z_{i}^{'} Z_{i} ∣$ की रिपोर्ट करता है। उल्लेखनीय मान हैं:
  - $n_i=3, c=2 \rightarrow |Z_i' Z_i| = 3$
  - $n_i=5, c=4 \rightarrow |Z_i' Z_i| = 80$
  - $n_i=7, c=6 \rightarrow |Z_i' Z_i| \approx 4287.93$
  - $n_i=9, c=8 \rightarrow |Z_i' Z_i| = 2,359,296$
- ये निर्माण पुष्टि करते हैं कि प्रविष्टि प्रतिबंध को $\{\pm 1\}$ से बदलकर $[-1, +1]$ में ढीला करने से, D-ऑप्टिमलिटी और स्वतंत्र अनुमान दोनों को एक साथ प्राप्त किया जा सकता है।

महत्व और दावे
शोध पत्र का दावा है कि यह CRDs के कोवेरिएट डिजाइनों के सिद्धांत में एक मौलिक अंतर को हल करता है। इसके प्राथमिक योगदान हैं:

$n=6$ मामले का लक्षण वर्णन: यह 6 बार दोहराए गए उपचार के लिए इष्टतम OCD-घटक का पहला पूर्ण लक्षण वर्णन प्रदान करता है, यह सिद्ध करता है कि इष्टतमता के लिए भिन्नात्मक (fractional) या शून्य प्रविष्टियों की आवश्यकता है।
विषम प्रतिकृतियों का सामान्यीकरण: यह समाधान को विषम प्रतिकृतियों ($3, 5, 7, 9$) तक विस्तारित करता है, जो ऐसे स्पष्ट डिजाइनों का संग्रह प्रदान करता है जो समानता (parity) की बाधा को दूर करते हैं, जिसके कारण पहले $\pm 1$ प्रविष्टियाँ अपर्याप्त थीं।
सैद्धांतिक अंतर्दृष्टि: यह कार्य स्थापित करता है कि विषम प्रतिकृतियों के लिए, ऑर्थोगोनैलिटी का उल्लंघन किए बिना शून्य-योग शर्त को संतुष्ट करने के लिए प्रत्येक कोवेरिएट कॉलम में कम से कम एक प्रविष्टि शून्य (या भिन्नात्मक) होनी चाहिए। इसे प्रतिकृति संख्या की समानता (parity) से उत्पन्न एक मौलिक बाधा के रूप में प्रस्तुत किया गया है।
सत्यापन: सभी प्रस्तावित डिजाइनों को इष्टतमता की तीन पर्याप्त शर्तों (शून्य कॉलम योग, युग्म ऑर्थोगोनैलिटी, और $[-1, +1]$ अंतराल के भीतर अधिकतम डिटरमिनेंट) द्वारा सत्यापित किया गया है।

लेखक निष्कर्ष निकालते हैं कि प्रविष्टियों को $\{-1, +1\}$ तक सीमित करने के बजाय बंद अंतराल $[-1, +1]$ में अनुमति देकर, ऐसे D-ऑप्टिमल CRDs का निर्माण करना संभव है जिनमें OCD-घटक हों, जो उन मामलों में भी उपचार और कोवेरिएट प्रभावों के स्वतंत्र अनुमान की अनुमति देते हैं जहाँ पारंपरिक डिजाइन विफल हो जाते हैं।

इसी तरह के और पेपर