在统计中,独立和随机描述的特征相同吗?它们之间有什么区别?我们经常碰到类似“两个独立随机变量”或“随机抽样”的描述。我想知道它们之间的确切区别是什么。有人可以解释一下并举一些例子吗?例如非独立但随机的过程?
在统计中,独立和随机描述的特征相同吗?它们之间有什么区别?我们经常碰到类似“两个独立随机变量”或“随机抽样”的描述。我想知道它们之间的确切区别是什么。有人可以解释一下并举一些例子吗?例如非独立但随机的过程?
Answers:
我将尝试用非技术性的术语进行解释:随机变量描述了实验的结果;您无法预先知道确切的结果是什么,但是您掌握了一些信息:知道哪些结果是可能的,并且知道每个结果的可能性。
例如,如果您扔一个公平的硬币,那么您将事先不知道会得到正面还是反面,但是您知道这是可能的结果,并且您知道每个结果都有50%的发生机会。
为了解释独立性,您必须扔掉两个公平的硬币。投掷第一个硬币后,您知道第二次投掷头部的概率仍然是50%,而对于尾巴也是如此。如果第一次抛球对第二次抛球的概率没有影响,则两次抛球都是独立的。如果第一次抛球对第二次抛球的概率有影响,则它们是相关的。
当您将两个硬币粘合在一起时,一个依赖折腾的例子就是。
随机与随机变量有关,独立与概率独立有关。通过独立性,我们的意思是观察一个变量不会告诉我们有关另一个变量的任何信息,或者更正式地说,如果和Y是两个随机变量,那么我们说它们是独立的,如果
此外
并且它们的协方差为零。随机变量取决于X,如果它可以被写为一个函数的X
因此,在这种情况下是随机的,并依赖于X。
将过程称为“非独立”是非常误导的-与什么无关?我猜您的意思是,某些过程中存在一些独立且分布均匀的随机变量(在此处或在此处检查)。“独立”在这里是指它们彼此独立。有些过程会产生因变量,例如
其中是一些随机噪声。显然,在这种情况下,X i取决于X i - 1,但它也是随机的。
变量用于数学的所有领域。变量的独立性和随机性的定义单方面适用于所有形式的数学,而不仅仅是统计。
例如,二维欧几里得几何中的X轴和Y轴表示独立变量,但是(通常)不会随机分配它们的值。
两个给定的变量可以是随机的,也可以是彼此独立的(或彼此独立),或者两者都是,或都不是。统计趋向于关注随机性(更正确地说,是概率),并且两个变量是否独立可能对观察到的给定结果的概率有很多影响。
在学习统计数据时,您倾向于同时描述这两个属性(独立性和随机性),因为两者都非常重要,并且会影响当前问题的答案。但是,这些属性不是同义词,在数学的其他领域中,它们不一定一起出现。
独立的概念是相对的,而您可以自己随意。在您的示例中,您具有“两个独立的随机变量”,不需要讨论几个“随机抽样”。
假设您多次铸造完美的模具。结果是先验随机的。知道过去,你不能预测以下4.假设我从模具的另一侧生成的序列数:6 → 1,3 → 4。我得到的1 ,2 ,4 ,2 ,3 ...。它和第一个一样随机。您无法猜测3之后会发生什么。但是,这两个序列是完全相关的。
如果一个人平行地投掷两个骰子(它们之间没有相互作用),则它们各自的顺序将是随机且独立的。
The coin example is a great illustration of a random and independent variable, a good good way to think of a random but dependent variable would be the next card drawn from a seven deck shoe of playing cards, the -likelihood- of any specific numerical outcome changes depending on the cards previously dealt, but until only one value of card remains in the shoe, the value of the card to come next will remain random.
David Bohm in his work Causality and Chance in Modern Physics (London: Routledge, 1957/1984) describes causality, chance, randomness, and independence:
“在自然界中,任何事物都不会保持不变。一切都处于变换,运动和变化的永恒状态。但是,我们发现,没有任何先验存在的事物,任何事物都不会简单地从虚无中涌现出来。绝对不会在以后产生任何东西的感觉.....一切都来自其他事物并产生其他事物。这个原理还不是自然界中因果关系存在的陈述。下一步是要注意的是,当我们研究在各种条件下发生的过程时,我们发现在变化和转型的所有复杂性中都存在着相互关系。 that remain effectively constant. .... At this point, however, we meet a new problem. For the necessity of a causal law is never absolute. Thus, we see that one must conceive of the law of nature as necessary only if one abstracts from contingencies, representing essentially independent factors which may exist outside the scope of things that can be treated by the laws under consideration, and which do not follow necessarily from anything that may be specified under the context of these laws. Such contingencies lead to chance." (pp.1-2)
"The tendency for contingencies lying outside a given context to fluctuate independently of happenings inside that context has demonstrated itself to be so widespread that one may enunciate it as a principle; namely, the principle of randomness. By randomness we mean just that this independence leads to fluctuation of these contingencies in a very complicated way over a wide range of possibliities, but in such a manner that statistical averages have a regular and approximately predictable behaviour." (p.22)