ความแตกต่างระหว่างเหตุการณ์ที่ขึ้นกับและเป็นอิสระ

เนื้อหา

• ตัวอย่างเหตุการณ์อิสระ
• ตัวอย่างของเหตุการณ์ที่เกี่ยวข้อง
• การให้เหตุผลเชิงคุณภาพ
• ค้นหาว่าตัวแปรเชื่อมต่อกันอย่างไร

ในทางสถิติเหตุการณ์เป็นตัวแปรภายในความน่าจะเป็น เมื่อนักสถิติพยายามกำหนดความน่าจะเป็นของสิ่งที่เกิดขึ้นเขาพยายามดูว่าเหตุการณ์ทั้งสองมีอิทธิพลต่อกันและกันอย่างไร พวกเขาแยกเหตุการณ์ออกเป็นสองประเภท: อิสระและขึ้นอยู่กับ นักสถิติต้องพิสูจน์ว่าเหตุการณ์เป็นอิสระหรือขึ้นอยู่กับตัวแปร

ตัวอย่างเหตุการณ์อิสระ

ตามที่คณะศึกษาศาสตร์มหาวิทยาลัยจอร์เจียเหตุการณ์ที่เป็นอิสระคือเมื่อตัวแปรทั้งสองในความน่าจะเป็นไม่ได้มีอิทธิพลต่อกันในทางใดทางหนึ่ง ตัวอย่างเช่นหากบุคคลหนึ่งทอยลูกเต๋าสองครั้งติดต่อกันผลลัพธ์จะไม่ถูกกำหนดไว้ล่วงหน้าด้วยจำนวนการหมุน อีกตัวอย่างหนึ่งคือคนถนัดขวาโยนลูกเต๋า ข้อเท็จจริงที่ว่าคนถนัดขวาไม่ได้มีผลต่อผลลัพธ์ของข้อมูล

ตัวอย่างของเหตุการณ์ที่เกี่ยวข้อง

โรงเรียนการศึกษาของมหาวิทยาลัยจอร์เจียกำหนดเหตุการณ์ที่ต้องพึ่งพาเป็นสองตัวแปรโดยมีความเป็นไปได้ที่จะมีอิทธิพลต่อกันและกัน ตัวอย่างเช่น: ไพ่ในสำรับมีเพียง 52 ใบซึ่งไพ่ทั้งหมดเป็นสีดำหรือสีแดงมีตัวเลขรูปกษัตริย์และราชินีและสัญลักษณ์เช่นโพดำเอซเพชรและดอกจิก ดังนั้นหากมีคนหยิบไพ่สองใบในเกมบุคคลนั้นจะสามารถคำนวณความน่าจะเป็นของไพ่ที่เขาได้จั่ว

การให้เหตุผลเชิงคุณภาพ

เพื่ออธิบายความแตกต่างระหว่างเหตุการณ์ที่ขึ้นอยู่กับเหตุการณ์ที่เป็นอิสระจำเป็นต้องมีคำอธิบายเชิงคุณภาพ ตัวอย่างเช่นภาควิชาคณิตศาสตร์ของมหาวิทยาลัยแห่งรัฐฟลอริดายกตัวอย่างบุคคลที่สวมเฝือกที่แขนซ้าย เราอนุมานได้ว่าแขนซ้ายของบุคคลนั้นต้องหัก การให้เหตุผลนี้ช่วยแสดงให้เห็นว่านี่เป็นเหตุการณ์ที่ต้องพึ่งพา มันเป็นเหตุการณ์ที่ต้องพึ่งพาเนื่องจากมีโอกาสที่ดีที่การใช้พลาสเตอร์ในบริเวณใดส่วนหนึ่งของร่างกายของคุณจะเป็นตัวกำหนดว่าบริเวณนั้นมีกระดูกหัก ดังนั้นจึงสามารถคำนวณความน่าจะเป็นได้

ค้นหาว่าตัวแปรเชื่อมต่อกันอย่างไร

ปัญหาที่ใหญ่ที่สุดในสถิติคือการพยายามตรวจสอบว่าเหตุการณ์หนึ่งเชื่อมโยงกับเหตุการณ์อื่นหรือไม่ เป็นเรื่องยากมากที่จะสร้างความน่าจะเป็นสำหรับเหตุการณ์ที่เป็นอิสระแม้ว่าจะไม่ได้หมายความว่าเป็นไปไม่ได้ก็ตาม ตัวอย่างแสดงให้เห็นถึงความยากลำบากนี้สมมติว่าบุคคลหนึ่งมีเลข 7 เป็นหลักสุดท้ายของ CPF และวันเกิดของพวกเขาคือวันที่ 3 มกราคม นักสถิติที่มีทรัพยากรเพียงพออาจบอกเราได้ถึงเปอร์เซ็นต์ของคนในประเทศที่มีวันเกิดในวันที่ 3 มกราคมและมีเลข 7 เป็นตัวเลขสุดท้ายของ CPF แต่การคำนวณโอกาสที่เหตุการณ์เหล่านี้จะมีอิทธิพลต่อกันหรือเกิดขึ้นอีกนั้นเป็นเรื่องยากหรือเป็นไปไม่ได้