Diğer bağlamlarda, ortogonal "dik açılarda" veya "dik" anlamına gelir.
Ortogonal istatistiksel bağlamda ne anlama geliyor?
Herhangi bir açıklama için teşekkür ederiz.
Diğer bağlamlarda, ortogonal "dik açılarda" veya "dik" anlamına gelir.
Ortogonal istatistiksel bağlamda ne anlama geliyor?
Herhangi bir açıklama için teşekkür ederiz.
Yanıtlar:
Bu, [X, Y] rasgele değişkenlerinin birbirlerinden 'bağımsız' oldukları anlamına gelir. Bağımsız rastgele değişkenler genellikle birbirlerinin 'dik açılarında' kabul edilir, burada 'dik açıların' ikisinin iç ürününün 0 olduğu (doğrusal cebirden eşdeğer bir koşul) olduğu anlamına gelir.
Örneğin, XY düzleminde, X ve Y ekseninin dik olduğu söylenir, çünkü verilen bir noktanın x değeri değişirse (2,3) 'den (5,3)' e giderse, y değeri aynı kalır (3), ve tam tersi. Dolayısıyla iki değişken 'bağımsız'.
Ayrıca bakınız Vikipedi’nin Bağımsızlık ve Ortogonallık
Yorum yapamam çünkü yeterince puanım yok, bu yüzden fikrimi bir cevap olarak konuşmak zorundayım, lütfen beni affet. Bildiğim kadarıyla, ortogonalite olarak tanımlandığı için @crazyjoe tarafından seçilen cevaba katılmıyorum
Yani:
Eğer simetrik pdf ile ise onlar bağımlı fakat dikeydirler.
Eğer fakat negatif değerler için pdf sıfırsa, o zaman bağımlı olurlar, ancak dik değildir.
Bu nedenle, diklik, bağımsızlık anlamına gelmez.
Eğer X ve Y bağımsızsa ortogonal olurlar. Ancak, kullanıcı 497804'ün zekice örneği ile belirtildiği gibi, görüşme doğru değildir. Tam tanımlar için bakınız
Ortogonal: Kompleks değerli rastgele değişkenler ve , karşılarsa ortogonal olarak adlandırılır.
(Pg 376, Geoffrey Grimmett ve David Stirzaker'ın Olasılık ve Rastgele Süreçleri)
Bağımsız: ve rastgele değişkenleri , eğer yalnızca , için bağımsızdır.
bu sürekli rastgele değişkenler için,
(Sayfa 99, Geoffrey Grimmett ve David Stirzaker'ın Olasılık ve Rastgele Süreçleri)
@Mien zaten bir cevap verdi ve @whuber'ın belirttiği gibi, ortogonal ilişkisiz anlamına gelir. Ancak, ben gerçekten insanların bazı referanslar sağlamasını diliyorum. Korelasyon kavramını geometrik bir perspektiften açıkladıkları için aşağıdaki linkleri faydalı göz önünde bulundurabilirsiniz.
X
ve Y
eğer sadece merkezlenmiş değişkenlerse X-E(X)
ve Y-E(Y)
ortogonal ise korelasyon göstermez . [ref]
Bir NIST web sitesi (aşağıda ref) ortogonal'i şu şekilde tanımlar: "Herhangi bir faktörün etkileri diğer faktörlerin etkileri arasında dengelendiğinde (sıfıra toplanırsa) deneysel bir tasarım ortogonaldir."
İstatistiksel tasarıma göre, "ortak olmayan" veya "takma değil" anlamına gelen ortogonalleri anlıyorum. Farklı faktörleri / tedavileri açıkça tanımlayabildiğinizden emin olmak istiyorsanız, denemenizi tasarlarken ve analiz ederken bu önemlidir. Tasarlanmış denemeniz ortogonal değilse, o zaman farklı tedavilerin etkilerini tamamen ayıramayacaksınız demektir. Dolayısıyla, etkinin giderilmesi için bir takip denemesi yapmanız gerekecektir. Buna artırılmış tasarım veya karşılaştırmalı tasarım denir.
Bağımsızlık, tasarım ve analizin bir çok yönüyle kullanıldığından beri kötü bir kelime seçimi gibi görünüyor.
NIST Ref http://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm
Büyük olasılıkla 'dikgen' diyorlarsa 'ilgisiz' anlamına geliyorlar; iki faktör ortogonal ise (örneğin faktör analizinde), ilgisizdir, korelasyonları sıfırdır.
Göre http://terpconnect.umd.edu/~bmomen/BIOM621/LineardepCorrOrthogonal.pdf , doğrusal bağımsızlık dikgenlik veya uncorrelatedness için gerekli bir koşuldur. Ancak, daha iyi ayrımlar vardır, özellikle, diklik, ilgisizlik değildir.
Benzer bir soru sordum Ortogonallık ile RV'lerin ürününün beklentisi arasındaki ilişki nedir ve cevabı burada tekrar ediyorum. Ortogonallik, Doğrusal Cebir'den bir kavram olmasına rağmen, iki vektörün nokta ürününün sıfır olduğu anlamına gelir, terim bazen istatistiklerde gevşek olarak kullanılır ve korelasyon dışı anlamına gelir. Eğer iki rastgele vektör ortogonal ise, o zaman merkezileşmiş karşıtları ilişkisizdir, çünkü ortogonallik (nokta-ürün sıfır), merkezileşmiş rastgele vektörlerin korelasyonu olmadığını belirtir (bazen insanlar ortogonalitenin çapraz momentin sıfır olduğunu ima ettiğini söyler). Ne zaman iki Rastgele Vektöre olursak, beklentilerini sıfır yapmak için her zaman onları araçlarının etrafında merkezileştirebiliriz. Ortogonallığı varsayalım (), sonra merkezi rasgele değişkenlerin korelasyonu
Ekonometride, diklik varsayımı, tüm hataların toplamının beklenen değerinin 0 olduğu anlamına gelir. Bir regresörün tüm değişkenleri mevcut hata terimlerine diktir.
Matematiksel olarak, diklik varsayımı .
Daha basit bir ifadeyle, bir regresörün hata terimine "dik" olduğu anlamına gelir.
İki veya daha fazla IV'ün birbiriyle alakası yoktur (her ikisi de DV üzerinde etkilidir). Her bir IV ayrı ayrı bir sonuç değerine katkıda bulunurken, IV'ün her ikisi veya tamamı da gelirin tahmininde ek bir şekilde katkıda bulunur (ortogonal = kesişmeyen IV'ün DV üzerindeki etkisi). IV'ler birbirleri arasında korelasyonlu değildir ve genellikle dik bir açıyla yerleştirilir * bkz. Venn Diyagramı.
Örnek: Motivasyon ve gelirli eğitim yılları arasındaki ilişki.
IV = Eğitim Yılı IV = Motivasyon DV = Gelir
İlgili rastgele değişkenler, X ve Y'nin herhangi bir ilişkiye sahip olabileceğini söyleyen değişkenler anlamına gelir; doğrusal olabilir veya doğrusal olmayabilir. İki değişken doğrusal olarak ilişkiliyse, bağımsızlık ve ortogonal özellikler aynıdır.