Saturs
- Neatkarīgu notikumu piemēri
- Atkarīgo notikumu piemēri
- Kvalitatīvs pamatojums
- Meklējot, kā mainās mainīgie
Statistikā notikums ir mainīgais varbūtības robežās. Kad statistikas speciālists cenšas noteikt, ka ir kaut kas notiek, viņš mēģina redzēt, kā divi notikumi ietekmē viens otru. Tās diferencē notikumus divos veidos: neatkarīgi un atkarīgi. Statistikam jāpierāda, ka notikums ir neatkarīgs vai atkarīgs no mainīgā.
Neatkarīgu notikumu piemēri
Saskaņā ar Gruzijas Universitātes Izglītības koledžas sniegto informāciju neatkarīgs notikums ir tad, kad abi iespējamie mainīgie nekādā veidā neietekmē viens otru. Piemēram, ja cilvēks spēlē kociņus divreiz pēc kārtas, rezultāts nav atkarīgs no ruļļu skaita. Vēl viens piemērs ir labās puses cilvēks, kas met kauliņus. Vienīgais fakts, ka persona ir labā rokā, neietekmē datu iznākumu.
Atkarīgo notikumu piemēri
Gruzijas Universitātes Izglītības koledža definē atkarīgo notikumu kā divus mainīgos lielumus, visticamāk, ka tie ietekmē viens otru. Piemēram, klājā ir tikai 52 kartes, kas visas ir melnā vai sarkanā krāsā, tām ir skaitļi, karaļu un karalienes attēli, kā arī simboli, piemēram, zobeni, aces, dimanti un klubi. Tātad, ja kāds spēlē divas kārtis, šī persona var aprēķināt, kādas varbūtības tās ir veikušas.
Kvalitatīvs pamatojums
Lai izskaidrotu atšķirību starp atkarīgu un neatkarīgu notikumu, ir nepieciešami kvalitatīvi skaidrojumi. Piemēram, Floridas štata universitātes Matemātikas katedra sniedz piemēru tam, ka persona valkā kreiso roku. Mēs secinām, ka personas kreiso roku vajadzētu salauzt. Šis pamatojums palīdz pierādīt, ka tas ir atkarīgs notikums. Tas ir atkarīgs notikums, jo ir laba iespēja, ka ģipša izmantošana noteiktā ķermeņa apgabalā noteiks, ka apgabalā ir šķelts kauls. Tātad var izdarīt varbūtības aprēķinu.
Meklējot, kā mainās mainīgie
Lielākā problēma saistībā ar statistiku mēģina 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 personai ir 7 kā pēdējais CPF cipars un ka viņa dzimšanas diena ir 3. janvārī. Statistists ar pietiekamiem resursiem var mums pastāstīt par to cilvēku procentuālo daudzumu valstī, kuri svin savu dzimšanas dienu 3. janvārī, un 7 ir pēdējais CPF cipars. Taču ir grūti vai neiespējami aprēķināt šo notikumu varbūtību, kas ietekmē viens otru vai atkārtoti.