Informative priors results in a mor

Informative priors results in a more accurate item parameter recovery for both
the parameters. Especially for medium ( a∈[0.60,1.00]) and high ( 1.00) a >
discriminating items, the use of empirical priors increased measurement precision
considerably. The average Root Mean Squared Error (RMSE) was reduced by more
than fifty percent. This is especially important for CAT, because high discriminating
items are selected more often to be administered. For the difficulty parameter,
the effects were less drastic. Only for the very easy items ( 1.00) b < − , the use of
empirical priors reduced RMSE more than fifty percent.
The lesson learned from this example is that one might reduce the sample size
considerably when empirical priors are used, without any loss in measurement
precision. This is one way to reduce the costs of CAT.

ผลลัพธ์ (ไทย) 1:

Priors ข้อมูลผลลัพธ์ในการกู้คืนพารามิเตอร์สินค้าถูกต้องมากขึ้นสำหรับทั้งสองพารามิเตอร์ โดยเฉพาะอย่างยิ่งสำหรับสื่อ (a∈[0.60,1.00]) และสูง (1.00) เป็น >เหยียดอย่างรายการ การใช้ priors เชิงประจักษ์วัดเพิ่มขึ้นความแม่นยำ อย่างมาก การเฉลี่ยรากหมายถึงกำลังสองผิดพลาด (RMSE) ลดลง โดยเพิ่มเติมกว่าห้าสิบเปอร์เซ็นต์ นี้เป็นสิ่งสำคัญอย่างยิ่งสำหรับแมว เพราะเหยียดพวกผิวสูงมีเลือกสินค้าบ่อยขึ้นเพื่อจะบริหาร สำหรับพารามิเตอร์ความยากผลกระทบรุนแรงน้อยกว่า สำหรับบีรายการง่ายมาก (1.00) < − การใช้เชิงประจักษ์ priors ลด RMSE มากกว่าห้าสิบเปอร์เซ็นต์บทเรียนที่ได้เรียนรู้จากตัวอย่างนี้คือ ที่หนึ่งอาจลดขนาดของตัวอย่างมากเมื่อ priors เชิงประจักษ์ใช้ โดยไม่สูญเสียใด ๆ ในวัดความแม่นยำ นี้เป็นวิธีหนึ่งในการลดต้นทุนของแมว

ผลลัพธ์ (ไทย) 2:

ไพรเออร์ข้อมูลผลในการกู้คืนรายการพารามิเตอร์ถูกต้องมากขึ้นสำหรับทั้ง
พารามิเตอร์ โดยเฉพาะอย่างยิ่งสำหรับการขนาดกลาง (a∈ [0.60,1.00]) และสูง (1.00)> การ
จำแนกรายการการใช้ไพรเออร์เชิงประจักษ์ที่เพิ่มขึ้นมีความแม่นยำการวัด
มาก ข้อผิดพลาดเฉลี่ยค่าเฉลี่ยกำลังสอง (RMSE) คือการลดลง
ร้อยละกว่าห้าสิบ นี้เป็นสิ่งสำคัญโดยเฉพาะอย่างยิ่งสำหรับ CAT เพราะเหยียดสูง
ได้เลือกรายการใดมักจะมากขึ้นในการที่จะบริหารงาน สำหรับพารามิเตอร์ความยากลำบาก,
ผลกระทบที่เป็นรุนแรงน้อยกว่า เฉพาะรายการที่ง่ายมาก (1.00) ข <- การใช้
. ไพรเออร์เชิงประจักษ์ลด RMSE กว่าร้อยละห้าสิบ
บทเรียนที่ได้เรียนรู้จากตัวอย่างนี้เป็นที่หนึ่งอาจจะลดขนาดของกลุ่มตัวอย่าง
มากเมื่อไพรเออร์เชิงประจักษ์ถูกนำมาใช้โดยไม่มีการสูญเสียใด ๆ ใน การวัด
ความแม่นยำ นี้เป็นวิธีหนึ่งที่จะลดค่าใช้จ่ายของกสท

ผลลัพธ์ (ไทย) 3:

ข้อมูลประวัติผลการกู้คืนค่ารายการที่ถูกต้องมากขึ้นทั้งค่าพารามิเตอร์ โดยเฉพาะขนาดกลาง ( ∈ [ 0.60,1.00 ] ) และสูง ( 1 ) .จำแนกรายการการใช้ประวัติเชิงประจักษ์การวัดความแม่นยำเพิ่มขึ้นมาก รากเฉลี่ยค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE ) ลดลงมากขึ้นกว่าห้าสิบเปอร์เซ็นต์ นี้เป็นสิ่งสำคัญโดยเฉพาะอย่างยิ่งสำหรับแมว เพราะสูงจำแนกรายการที่ถูกเลือกมักจะเป็นเท่าไหร่ เพื่อปัญหาพารามิเตอร์ผลคือรุนแรงน้อย สำหรับรายการที่ง่าย ( 1 ) b < − , ใช้ประวัติเชิงประจักษ์วิธีลดมากกว่า 50%บทเรียนจากตัวอย่างนี้เป็นหนึ่งที่อาจลดขนาดตัวอย่างประวัติเชิงประจักษ์มากเมื่อใช้โดยไม่มีการสูญเสียใด ๆ ในวัดความแม่นยำ นี้เป็นวิธีหนึ่งในการลดต้นทุนของแมว