ความแตกต่างระหว่างกิจกรรมที่ขึ้นกับและอิสระ

ผู้เขียน: Roger Morrison
วันที่สร้าง: 5 กันยายน 2021
วันที่อัปเดต: 1 กรกฎาคม 2024
Anonim
งานประจำกับอาชีพอิสระ เลือกอะไรดี
วิดีโอ: งานประจำกับอาชีพอิสระ เลือกอะไรดี

เนื้อหา

ในสถิติเหตุการณ์เป็นตัวแปรภายในความน่าจะเป็น เมื่อนักสถิติพยายามหาโอกาสของบางสิ่งบางอย่างที่เกิดขึ้นเขาพยายามที่จะดูว่าเหตุการณ์สองเหตุการณ์มีอิทธิพลต่อกันอย่างไร พวกเขาแยกแยะเหตุการณ์ออกเป็นสองประเภท: อิสระและขึ้นอยู่กับ นักสถิติต้องพิสูจน์ว่าเหตุการณ์เป็นอิสระหรือขึ้นอยู่กับตัวแปร


การรู้วิธีเล่นลูกเต๋าสามารถเป็นตัวแปรอิสระหรือตัวแปรตาม (รูปภาพ Thinkstock / Comstock / Getty)

ตัวอย่างของเหตุการณ์อิสระ

ตามการศึกษาของวิทยาลัยแห่งมหาวิทยาลัยจอร์เจียเหตุการณ์ที่เป็นอิสระคือเมื่อตัวแปรทั้งสองในความน่าจะเป็นไม่ได้มีอิทธิพลต่อกันและกันในทางใดทางหนึ่ง ตัวอย่างเช่นถ้าคนเล่นลูกเต๋าสองครั้งติดต่อกันผลลัพธ์จะไม่ถูกกำหนดไว้ล่วงหน้าตามจำนวนของม้วน อีกตัวอย่างหนึ่งคือผู้ถนัดขวาโยนลูกเต๋า ข้อเท็จจริงที่ว่าบุคคลที่ถนัดขวาไม่ได้มีอิทธิพลต่อผลลัพธ์ของข้อมูล

ตัวอย่างของเหตุการณ์ที่ต้องพึ่งพา

วิทยาลัยการศึกษาที่มหาวิทยาลัยจอร์เจียกำหนดเหตุการณ์ขึ้นอยู่กับว่าเป็นสองตัวแปรในโอกาสที่พวกเขามีอิทธิพลต่อกันและกัน ตัวอย่างเช่นมีไพ่เพียง 52 ใบในสำรับซึ่งทั้งหมดเป็นสีดำหรือสีแดงมีตัวเลขรูปภาพของราชาและราชินีและสัญลักษณ์เช่นดาบเอซเพชรและคลับ ดังนั้นถ้ามีคนรับไพ่สองใบในเกมคนนั้นสามารถคำนวณความน่าจะเป็นที่ไพ่นั้นได้


การใช้เหตุผลเชิงคุณภาพ

เพื่ออธิบายความแตกต่างระหว่างเหตุการณ์ขึ้นกับเหตุการณ์ที่เป็นอิสระจำเป็นต้องมีคำอธิบายเชิงคุณภาพ ยกตัวอย่างเช่นภาควิชาคณิตศาสตร์ของมหาวิทยาลัยแห่งรัฐฟลอริดายกตัวอย่างบุคคลที่สวมนักแสดงบนแขนซ้ายของเขา เราอนุมานได้ว่าแขนซ้ายของบุคคลนั้นควรถูกทำลาย การใช้เหตุผลนี้ช่วยในการแสดงว่านี่เป็นเหตุการณ์ที่ต้องพึ่งพา มันเป็นเหตุการณ์ที่ต้องพึ่งพาเนื่องจากมีโอกาสที่ดีที่การใช้พลาสเตอร์บนพื้นที่เฉพาะของร่างกายของคุณจะกำหนดว่าพื้นที่ที่มีกระดูกหัก ดังนั้นการคำนวณความน่าจะเป็นสามารถทำได้

การค้นหาวิธีการเชื่อมต่อตัวแปร

ปัญหาที่ใหญ่ที่สุดเกี่ยวกับสถิติกำลังพยายามตรวจสอบว่าเหตุการณ์หนึ่งเชื่อมโยงกับเหตุการณ์อื่นหรือไม่ มันยากมากที่จะสร้างความน่าจะเป็นสำหรับกิจกรรมอิสระแม้ว่าจะไม่ได้หมายความว่ามันเป็นไปไม่ได้ ตัวอย่างแสดงให้เห็นถึงความยากลำบากนี้: สมมติว่าคนที่มี 7 เป็นตัวเลขหลักสุดท้ายของ CPF และวันเกิดของเขาคือวันที่ 3 มกราคม นักสถิติที่มีทรัพยากรเพียงพออาจบอกเปอร์เซ็นต์ของผู้คนในประเทศที่กำลังฉลองวันเกิดของพวกเขาในวันที่ 3 มกราคมและมีเลข 7 เป็นตัวเลขหลักสุดท้ายของ CPF แต่การคำนวณความน่าจะเป็นของเหตุการณ์เหล่านี้ที่มีอิทธิพลต่อกันและกันหรือเกิดขึ้นอีกครั้งนั้นเป็นเรื่องยากหรือเป็นไปไม่ได้