Saturs
- Neatkarīgu notikumu piemēri
- Atkarīgu notikumu piemēri
- Kvalitatīva argumentācija
- Noskaidrot, kā mainīgie ir saistīti
Statistikā notikums ir mainīgais varbūtības robežās. Kad statistiķis mēģina noteikt varbūtību, ka kaut kas notiks, viņš mēģina redzēt, kā divi notikumi ietekmē viens otru. Viņi diferencē notikumus divos veidos: neatkarīgi un atkarīgi. Statistikai jāpierāda, ka notikums ir neatkarīgs vai atkarīgs no mainīgā.
Neatkarīgu notikumu piemēri
Saskaņā ar Džordžijas Universitātes Izglītības fakultātes teikto, neatkarīgs notikums ir tad, kad divi varbūtības mainīgie nekādā veidā neietekmē viens otru. Piemēram, ja cilvēks met kauliņus divas reizes pēc kārtas, rezultāts nav iepriekš noteikts ar ruļļu skaitu. Cits piemērs ir labās rokas cilvēks, kurš met kauliņu. Tas, ka personai ir labās rokas, neietekmē datu iznākumu.
Atkarīgu notikumu piemēri
Džordžijas Universitātes Izglītības skola nosaka atkarīgu notikumu kā divus mainīgos ar varbūtību, ka tie ietekmē viens otru. Piemēram: klājā ir tikai 52 kārtis, kuras visas ir melnas vai sarkanas, un tām ir numuri, karaļu un karalienes attēli un simboli, piemēram, lāpstas, dūži, dimanti un nūjas. Tātad, ja kāds spēlē paņem divas kārtis, šī persona var aprēķināt varbūtību, kuras kartes viņš ir izlozējis.
Kvalitatīva argumentācija
Lai izskaidrotu atšķirību starp atkarīgo un neatkarīgo notikumu, nepieciešami kvalitatīvi paskaidrojumi. Piemēram, Floridas štata universitātes Matemātikas katedrā ir sniegts piemērs, kā persona uz kreisās rokas valkā ģipsi. Mēs secinām, ka cilvēka kreisā roka ir jāsalauž. Šis pamatojums palīdz parādīt, ka tas ir atkarīgs notikums. Tas ir atkarīgs notikums, jo ir liela iespēja, ka, izmantojot apmetumu noteiktā ķermeņa vietā, tiks noteikts, ka šajā apgabalā ir salauzts kauls. Tādējādi var veikt varbūtību aprēķinu.
Noskaidrot, kā mainīgie ir saistīti
Statistikas lielākā problēma ir mēģinājums noteikt, vai viens notikums ir saistīts ar citu. Ir ļoti grūti izveidot varbūtību neatkarīgiem notikumiem, lai gan tas nenozīmē, ka tas nav iespējams. Piemērs ilustrē šo grūtību: pieņemsim, ka cilvēkam 7 ir pēdējais CPF cipars un ka viņa dzimšanas diena ir 3. janvārī. Statistikas speciālists ar pietiekamiem resursiem, iespējams, varēs pateikt, cik procentu cilvēku valstī ir dzimšanas diena 3. janvārī un pēdējais CPF cipars ir 7. Tomēr ir grūti vai neiespējami aprēķināt varbūtību, ka šie notikumi ietekmēs viens otru vai atkārtosies.