在其他情况下,正交是指“成直角”或“垂直”。
正交在统计上下文中是什么意思?
感谢您的任何澄清。
在其他情况下,正交是指“成直角”或“垂直”。
正交在统计上下文中是什么意思?
感谢您的任何澄清。
Answers:
这意味着它们[随机变量X,Y]彼此“独立”。独立随机变量通常被视为彼此成“直角”,其中“直角”表示两者的内积为0(线性代数的等价条件)。
例如,在XY平面上,X和Y轴被认为是正交的,因为如果给定点的x值发生变化,例如从(2,3)变为(5,3),则其y值将保持不变(3),反之亦然。因此,这两个变量是“独立的”。
我无法发表评论,因为我没有足够的观点,所以我不得不说出我的想法作为答案,请原谅我。据我所知,我不同意@crazyjoe选择的答案,因为正交性定义为
所以:
如果带有对称pdf),则它们是相关的但正交的。
如果但对于负值pdf为零,则它们依赖但不正交。
因此,正交性并不意味着独立性。
@Mien已经提供了答案,正如@whuber指出的那样,正交意味着不相关。但是,我真的希望人们能提供一些参考。您可能会认为以下链接很有用,因为它们从几何角度解释了相关性的概念。
NIST网站(参见下面的参考文献)对正交的定义如下:“如果任何因素的影响在其他因素的影响之间达到平衡(总和为零),则实验设计是正交的。”
在统计设计中,我将正交理解为“未共同创建”或“未别名”。如果要确保可以清楚地识别出不同的因素/处理方法,那么在设计和分析实验时这一点很重要。如果您设计的实验不是正交的,则意味着您将无法完全区分不同治疗的效果。因此,您将需要进行后续实验以消除影响。这将被称为增强设计或比较设计。
由于在设计和分析的许多其他方面都使用了独立性,因此似乎不太适合选择单词。
NIST参考 http://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm
如果说“正交”,很可能表示“无关”。如果两个因子正交(例如在因子分析中),则它们是不相关的,则它们的相关性为零。
根据http://terpconnect.umd.edu/~bmomen/BIOM621/LineardepCorrOrthogonal.pdf,线性独立性是正交性或不相关性的必要条件。但是还有更好的区别,特别是正交性不是不相关的。
我问了一个类似的问题,正交性和RVs乘积的期望之间是什么关系,我在这里重现答案。尽管正交性是线性代数的一个概念,它意味着两个向量的点积为零,但该术语有时在统计中被宽松地使用,并且表示不相关。如果两个随机向量是正交的,则它们的集中对应向量是不相关的,因为正交性(点积为零)表示集中的随机向量不相关(有时人们说正交性表示交叉矩为零)。每当我们有两个随机向量,我们始终可以将它们集中在均值周围,以使它们的期望为零。假设正交性(X ⋅ Ŷ = 0 Ç Ö v (X - ë [ X ] ,ÿ - ë [ ÿ ] )= È [ X ⋅ ÿ ] = ë [ 0 ] = 0),则集中式随机变量的相关性为
两个或多个IV彼此无关(独立),但都对DV有影响。每个IV分别为结果贡献一个独特的价值,而两个IV或所有IV都以相加方式贡献收入的预测(正交=不相交的IV对DV的影响)。IV之间互不相关,通常以直角放置*请参阅维恩图。
示例:动机与收入受教育年限之间的关系。
IV =受教育年限IV =动机DV =收入