Varbūtība pret statistiku
Varbūtība un statistika ir vienas matemātiskās monētas divas puses, kas risina pretējus jautājumus par nenoteiktību. Lai gan varbūtības teorija paredz nākotnes iznākumu iespējamību, pamatojoties uz zināmiem modeļiem, statistika analizē pagātnes datus, lai izveidotu vai pārbaudītu šos modeļus, efektīvi strādājot atpakaļejoši no novērojumiem, lai atrastu pamatā esošo patiesību.
Iezīmes
- Varbūtība ir pamats; statistika ir ēka, kas uz tās celta.
- Varbūtība 0,5 ir matemātisks apgalvojums, savukārt statistiskais vidējais ir novērojums.
- Statistika apstrādā “troksni” un novirzes, kas tīrā varbūtību teorijā tiek ignorētas.
- Azartspēles balstās uz varbūtību, savukārt apdrošināšanas kompānijas – uz statistiku.
Kas ir Varbūtība?
Matemātiskais nejaušības pētījums, kas paredz noteiktu notikumu rašanās iespējamību.
- Tas darbojas kā deduktīvs process, pārejot no vispārīgiem noteikumiem uz konkrētiem rezultātiem.
- Aprēķini vienmēr ir saistīti ar vērtību starp 0 (neiespējami) un 1 (noteiktība).
- Tas pieņem, ka “populācijas” vai sistēmas parametri jau ir zināmi.
- Parasti izmanto tādus rīkus kā permutācijas, kombinācijas un sadalījuma līknes.
- Lielo skaitļu likums savieno teorētisko varbūtību ar reālās pasaules rezultātiem.
Kas ir Statistika?
Zinātne par datu vākšanu, analīzi un interpretāciju, lai atklātu modeļus un tendences.
- Tas ir induktīvs process, kurā no konkrētiem novērojumiem tiek izdarīti vispārīgi secinājumi.
- Koncentrējas uz nezināmu populācijas parametru novērtēšanu, izmantojot mazāku izlasi.
- Ietver kļūdu robežu un datu ticamības līmeņu aprēķināšanu.
- Sadalīta divās galvenajās nozarēs: aprakstošā statistika un secinošā statistika.
- Lai nodrošinātu precizitāti, lielā mērā paļaujas uz datu attīrīšanu un neobjektivitātes novēršanu.
Salīdzinājuma tabula
| Funkcija | Varbūtība | Statistika |
|---|---|---|
| Loģikas virziens | Deduktīvs (modeļa uz datiem) | Induktīvā (dati modelim) |
| Galvenais mērķis | Nākotnes notikumu prognozēšana | Pagātnes/pašreizējo datu skaidrošana |
| Zināmas vienības | Iedzīvotāji un to noteikumi | Paraugs un tā mērījumi |
| Nezināmas vienības | Konkrētais tiesas procesa rezultāts | Iedzīvotāju patiesās īpašības |
| Galvenais jautājums | Kāda ir varbūtība, ka notiks "X"? | Ko "X" mums stāsta par pasauli? |
| Atkarība | Neatkarīgi no datu vākšanas | Pilnībā atkarīgs no datu kvalitātes |
| Galvenais rīks | Nejaušie mainīgie un sadalījumi | Izlases veidošana un hipotēžu pārbaude |
Detalizēts salīdzinājums
Informācijas plūsma
Iedomājieties varbūtību kā "uz nākotni vērstu" dzinēju, kurā jūs sākat ar kāršu kavu un aprēķināt dūza izvilkšanas varbūtību. Statistika ir "atpakaļejoša"; jums tiek izsniegta izvilktu kāršu kaudze, un jums ir jānosaka, vai kava ir bijusi viltota vai godīga. Viens sāk ar cēloni un prognozē sekas, bet otrs sāk ar sekām un meklē cēloni.
Noteiktība pret novērtējumu
Varbūtība attiecas uz teorētisku noteiktību; ja metamais kauliņš ir taisnīgs, sešinieka iespējamība ir matemātiski noteikta. Tomēr statistika nekad nepretendē uz 100% noteiktību. Tā vietā statistiķi sniedz "ticamības intervālus", atzīstot, ka, lai gan viņi uzskata, ka tendence pastāv, vienmēr pastāv aprēķināta kļūdas robeža jeb "p-vērtība", kas kvantificē viņu potenciālu kļūdīties.
Populācija pret izlasi
Varbūtības aprēķinā mēs pieņemam, ka zinām visu par visu grupu (populāciju), piemēram, precīzi zinām, cik sarkano bumbiņu ir burkā. Statistika tiek izmantota, ja burka ir necaurspīdīga un pārāk liela, lai tās saskaitītu. Mēs izņemam sauju (izlasi), aplūkojam tās un izmantojam šo ierobežoto informāciju, lai izdarītu pamatotu minējumu par katru bumbiņu burkā.
Savītās attiecības
Mūsdienu statistika nav iespējama bez varbūtības teorijas. Statistikas testi, piemēram, lai noteiktu, vai jaunas zāles darbojas labāk nekā placebo, balstās uz varbūtības sadalījumiem, lai noskaidrotu, vai novērotie rezultāti varēja būt radušies tīras nejaušības dēļ. Varbūtība nodrošina teorētisko pamatu, savukārt statistika nodrošina reālās pasaules pielietojumu.
Priekšrocības un trūkumi
Varbūtība
Iepriekšējumi
- +Ļoti precīza matemātika
- +Absolūtie teorētiskie noteikumi
- +Būtiski mākslīgā intelekta loģikai
- +Skaidri aprēķina risku
Ievietots
- −Nepieciešamas zināmas ievades
- −Var būt pārāk abstrakts
- −Jūtīgi pret pieņēmumiem
- −Neņem vērā aizspriedumus
Statistika
Iepriekšējumi
- +Izmanto reālās pasaules pierādījumus
- +Identificē slēptās tendences
- +Izlabo kļūdas
- +Informē politikas lēmumus
Ievietots
- −Atvērts interpretācijai
- −Korelācija nav cēloņsakarība
- −Viegli manipulējams
- −Nepieciešami lieli datu kopumi
Biežas maldības
Varbūtība un statistika ir tikai dažādi nosaukumi vienai un tai pašai lietai.
Tās ir atšķirīgas disciplīnas. Lai gan abas pēta nejaušības, varbūtība ir teorētiskās matemātikas nozare, savukārt statistika ir lietišķā zinātne, kas koncentrējas uz datu interpretāciju.
“Statistiskā nozīmība” nozīmē, ka kaut kas ir 100% pierādīts.
Statistikā nekas nav “pierādīts” absolūtā nozīmē. Tas vienkārši nozīmē, ka ir ļoti maz ticams, ka rezultāts ir radies nejauši, parasti ar 5% vai 1% iespējamību, ka tas ir sagadīšanās.
"Vidējo rādītāju likums" nozīmē, ka uzvara ir "pienākusies" pēc ilgas zaudējumu sērijas.
Šī ir spēlmaņa kļūda. Varbūtības teorija apgalvo, ka katram neatkarīgajam notikumam (piemēram, monētas mešanai) nav atmiņu par iepriekšējo; izredzes paliek nemainīgas neatkarīgi no tā, kas notika iepriekš.
Vairāk datu vienmēr nodrošina labāku statistiku.
Kvantitāte nenosaka kvalitāti. Ja dati ir neobjektīvi vai izlase nav reprezentatīva, lielāks datu kopums vienkārši novedīs pie "pārliecinātāka", bet nepareiza secinājuma.
Bieži uzdotie jautājumi
Kuru datu zinātnē man vajadzētu apgūt vispirms?
Kāda ir atšķirība starp parametru un statistiku?
Vai kāršu skaitīšana ir blekdžeka varbūtība vai statistika?
Kā varbūtība palīdz laika prognozēšanā?
Kas ir "secinājums" statistikā?
Ko nozīmē varbūtība 0?
Vai statistiku var izmantot melošanai?
Kāpēc “normālais sadalījums” ir tik svarīgs abos?
Spriedums
Izmantojiet varbūtības teoriju, ja zināt spēles noteikumus un vēlaties paredzēt, kas notiks tālāk. Pārejiet uz statistiku, ja jums ir daudz datu un ir jānoskaidro, kādi īsti ir šie slēptie noteikumi.
Saistītie salīdzinājumi
Absolūtā vērtība pret moduli
Lai gan ievadmatemātikā absolūtā vērtība bieži tiek lietota kā sinonīms, tā parasti attiecas uz reālā skaitļa attālumu no nulles, savukārt modulis paplašina šo jēdzienu, iekļaujot kompleksos skaitļus un vektorus. Abiem ir viens un tas pats pamatmērķis: noņemt virziena zīmes, lai atklātu matemātiskas vienības tīro lielumu.
Algebra pret ģeometriju
Kamēr algebra koncentrējas uz abstraktiem darbību noteikumiem un simbolu manipulācijām, lai atrisinātu nezināmos, ģeometrija pēta telpas fizikālās īpašības, tostarp figūru izmēru, formu un relatīvo novietojumu. Kopā tie veido matemātikas pamatu, pārvēršot loģiskās attiecības vizuālās struktūrās.
Aplis pret elipsi
Lai gan apli nosaka viens centra punkts un nemainīgs rādiuss, elipse paplašina šo koncepciju līdz diviem fokusa punktiem, radot iegarenu formu, kur attālumu summa līdz šiem fokusiem paliek nemainīga. Katrs aplis tehniski ir īpašs elipses veids, kur abi fokusi perfekti pārklājas, padarot tos par visciešāk saistītajām figūrām koordinātu ģeometrijā.
Aritmētiskā pret ģeometrisko secību
Aritmētiskās un ģeometriskās secības būtībā ir divi dažādi veidi, kā palielināt vai samazināt skaitļu sarakstu. Aritmētiskā secība mainās vienmērīgā, lineārā tempā, veicot saskaitīšanu vai atņemšanu, savukārt ģeometriskā secība paātrinās vai palēninās eksponenciāli, veicot reizināšanu vai dalīšanu.
Aritmētiskais vidējais pret svērto vidējo
Aritmētiskais vidējais katru datu punktu uzskata par vienlīdzīgu ieguldījumu galīgajā vidējā vērtībā, savukārt svērtais vidējais piešķir noteiktus svarīguma līmeņus dažādām vērtībām. Šīs atšķirības izpratne ir ļoti svarīga visam, sākot no vienkāršu klases vidējo vērtību aprēķināšanas līdz sarežģītu finanšu portfeļu noteikšanai, kur dažiem aktīviem ir lielāka nozīme nekā citiem.