다른 맥락에서, 직교는 "직각"또는 "수직"을 의미한다.
통계적 맥락에서 직교는 무엇을 의미합니까?
설명해 주셔서 감사합니다.
다른 맥락에서, 직교는 "직각"또는 "수직"을 의미한다.
통계적 맥락에서 직교는 무엇을 의미합니까?
설명해 주셔서 감사합니다.
답변:
이는 [임의 변수 X, Y]가 서로 '독립적'임을 의미합니다. 독립적 인 랜덤 변수는 종종 서로 '직각'에있는 것으로 간주되는데, 여기서 '직각'은 둘의 내부 곱이 0 (선형 대수와 동등한 조건)임을 의미합니다.
예를 들어 XY 평면에서 X와 Y 축은 주어진 점의 x 값이 변경되면 (2,3)에서 (5,3)으로 바뀌면 y 값은 (3)과 동일하기 때문에 직교라고합니다. 그 반대. 따라서 두 변수는 '독립적'입니다.
나는 충분한 점이 없기 때문에 의견을 말할 수 없으므로 대답으로 내 마음을 말해야합니다. 용서해주십시오. 내가 아는 한, 직교성이 다음과 같이 정의되기 때문에 @crazyjoe가 선택한 답변에 동의하지 않습니다.
그래서:
대칭 pdf를 갖는 경우 , 이들은 여전히 직교 적이다.
만약 이지만 음수 값 PDF 제로 그들은 의존하지만 직교하지.
따라서 직교성이 독립성을 의미하지는 않습니다.
X와 Y가 독립적이면 직교입니다. 그러나 user497804의 영리한 예에서 지적했듯이 그 반대는 사실이 아닙니다. 정확한 정의는 다음을 참조하십시오
직교 : 복소수 랜덤 변수 및 가 을 만족하면 직교라고합니다.
(Pg 376, Geoffrey Grimmett 및 David Stirzaker의 확률 및 랜덤 프로세스)
독립 : 임의의 변수 와 는 모든 대해 인 경우에만 독립적입니다.
연속 랜덤 변수의 경우 를 요구하는 것과 같습니다.
(99 쪽, Geoffrey Grimmett과 David Stirzaker의 확률과 랜덤 프로세스)
@Mien은 이미 답변을 제공했으며 @whuber가 지적한 바와 같이 직교는 상관되지 않습니다. 그러나 저는 사람들이 참고 자료를 제공하기를 정말로 바랍니다. 다음 링크는 기하학적 관점에서 상관 관계 개념을 설명하므로 유용하다고 생각할 수 있습니다.
NIST 웹 사이트 (아래 참조)는 다음과 같이 직교를 정의합니다. "임의의 효과가 다른 요소의 효과에서 균형을 이루면 (0에서 0으로) 실험 설계가 직교합니다."
통계적 관점에서, 나는 "공동 발견되지 않음"또는 "별명 없음"을 의미하는 직교를 이해한다. 여러 요인 / 치료를 명확하게 식별 할 수 있도록하려면 실험을 설계하고 분석 할 때 중요합니다. 설계된 실험이 직교가 아닌 경우 다른 치료의 효과를 완전히 분리 할 수 없습니다. 따라서 효과를 확인하기 위해 후속 실험을 수행해야합니다. 이를 증강 설계 또는 비교 설계라고합니다.
독립은 디자인과 분석의 다른 많은 측면에서 사용 되었기 때문에 잘못된 단어 선택으로 보입니다.
NIST 참조 http://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm
'직교'라고 말하면 '비 관련'을 의미 할 가능성이 높습니다. 두 요인이 직교 인 경우 (예 : 요인 분석에서) 관련이 없으며 상관 관계는 0입니다.
http://terpconnect.umd.edu/~bmomen/BIOM621/LineardepCorrOrthogonal.pdf 에 따르면 선형 독립성은 직교성 또는 비상 관성에 필요한 조건입니다. 그러나 미세한 차이점이 있습니다. 특히 직교성은 상관성이 없습니다.
나는 비슷한 질문을했다. 직교성과 RV의 곱에 대한 기대 사이의 관계는 무엇인가 , 나는 여기서 그 답을 재현한다. 직교성이 선형 대수의 개념이고 두 벡터의 내적이 0이라는 것을 의미하지만이 용어는 때때로 통계에서 느슨하게 사용되며 비 상관을 의미합니다. 두 개의 랜덤 벡터가 직교 인 경우 직교성 (점-제품 0)이 집중된 랜덤 벡터의 비상 관성을 의미하기 때문에 (때때로 사람들은 직교성이 교차 모멘트가 0임을 암시하기 때문에) 중앙 집중식 대응 물은 상관 관계가 없습니다. 두 개의 랜덤 벡터 가있을 때마다 항상 평균을 중심으로 중앙 집중화하여 기대치를 0으로 만들 수 있습니다. 직교성 가정 ()이면 중앙 집중식 랜덤 변수의 상관 관계는
둘 이상의 IV는 서로 관련이 없지만 (독립적이지만) DV에 영향을 미칩니다. 각각의 IV는 개별적으로 결과에 별개의 가치를 기여하는 한편, IV 또는 둘 모두는 또한 소득 예측 (DV에 대한 직교 = 비교 차 IV의 영향)에 부가적인 방식으로 기여한다. IV는 서로 상관 관계가 없으며 일반적으로 직각으로 배치됩니다 (벤 다이어그램 참조).
예 : 소득에 대한 동기 부여와 교육 기간 간의 관계.
IV = 교육 년도 IV = 동기 DV = 소득