正如阿克萨卡(Aksakal)在回答中提到的那样,肯特(Ken T)链接的视频描述的是趋势的属性,而不是模型的直接描述,大概是作为计量经济学中有关趋势和平稳平稳性的相关主题的一部分。由于在您的问题中,您询问过模型,所以这里是在模型的上下文中:
如果模型或过程具有随机性,则它是随机的。例如,如果给定相同的输入(独立变量,权重/参数,超参数等),则模型可能会产生不同的输出。在确定性模型中,输出完全由模型的输入(独立变量,权重/参数,超参数等)指定,因此,给定相同的模型输入,输出是相同的。术语“随机”的起源是随机过程。作为一般经验法则,如果模型具有随机变量,则它是随机的。随机模型甚至可以是简单的独立随机变量。
让我们打开一些更多的术语,这些术语将帮助您了解有关统计模型的文献(确定性,随机性或其他方式):
随机模型不需要是时间相关的,甚至不需要马尔可夫过程(取决于过去的状态,例如是一阶马尔可夫,因为它取决于的状态)。您上面提出的线性模型是随机的(具有随机变量),但不是马尔可夫的(不取决于过去的状态)。在问题所提出的线性模型中,误差项是我们认为不相关的随机变量(有些人进一步说误差为iid),关于均值对称分布(有些人进一步说误差通常为误差)分布)和均值零(),等等。我们进行这些假设是为了使线性模型可用于估计AR(1)t−1μϵt=0通过最小化该误差项的一些范数来确定因变量。这些假设使我们能够得出估计量的有用性质,并证明某些估计量在这些假设下是最佳的。例如,OLS估计量为BLUE。
随机模型的一个简单示例是翻转公平硬币(正面或反面),可以将其随机建模为iid均匀分布的二进制随机变量或伯努利过程。如果考虑硬币的形状,撞击角度和作用力,与表面的距离等,也可以将硬币翻转视为一个物理系统,并提供确定性模型(在理想的设置中)。硬币翻转的后一个(物理)模型中没有随机变量(例如,它不考虑该模型的任何输入的测量误差),因此它是确定性的。
在统计学教学中,随机性和异方差性存在一个共同点。例如,Ken T将随机性与异方差性(或方差变异性)混淆了。随机(随机的)变量,如输出变量一个的过程或中的线性模型,是异方差当且仅当在某个输入它的方差的变化,如时间(中)这种情况下,人口中的不同群体会有不同的方差。在肯·T(本·兰伯特)链接的视频中,如果您在4:00(4分钟)处将其暂停,则可以看到XtAR(1)ϵtyt=axt+ϵttVar[Xt]线性模型中的是恒定的(同线性的),右侧模型中的随变化(异方差)。tVar[Xt]
此外,有时在固定随机过程和非固定随机过程之间会产生混淆。平稳性意味着模型中的统计数据(例如均值或方差)不会随时间变化。只要涉及随机性,两者仍被认为是随机模型/过程。正如Maroon同胞Matthew Gunn在回答中提到的那样,Wold的分解表明,任何平稳的随机过程都可以写成确定性过程和随机过程之和。