Vraag:
Wat is het verschil tussen waarschijnlijkheid en statistiek?
hslc
2010-07-27 01:17:18 UTC
view on stackexchange narkive permalink

Wat is het verschil tussen kansrekening en statistiek, en waarom worden ze samen bestudeerd?

21 antwoorden:
#1
+124
Mark Meckes
2010-07-27 01:47:19 UTC
view on stackexchange narkive permalink

Het korte antwoord hierop dat ik heb gehoord van Persi Diaconis is het volgende: de problemen die door waarschijnlijkheid en statistieken worden beschouwd, zijn omgekeerd ten opzichte van elkaar. In de waarschijnlijkheidstheorie beschouwen we een onderliggend proces dat enige willekeur of onzekerheid heeft, gemodelleerd door willekeurige variabelen, en we zoeken uit wat er gebeurt. In statistieken observeren we iets dat is gebeurd en proberen we erachter te komen welk onderliggend proces die observaties zou verklaren.

Dus statistiek observeert wat er in de fysieke wereld gebeurt, theoretiseert over het onderliggende proces en gebruikt het vervolgens in de zin van waarschijnlijkheid om te voorspellen wat er daarna zal gebeuren?
Ik ben geen statisticus, maar naar mijn mening zou ik zeggen, ja, dat * deel * van wat statistieken doen.
Inductie versus aftrek?
Zoals Paolo zei, heeft de kansrekening vooral betrekking op het deductieve deel, statistiek op het inductieve deel van het modelleren van processen met onzekerheid. Misschien is het interessant om te vermelden dat als men denkt dat de plausibele inductieve redenering consistent zou moeten zijn, het resultaat eigenlijk Bayesiaanse statistiek is, en interessanter kan dit worden afgeleid uit de kansrekening. Bayesiaanse statistiek is dus als het ware een toegepaste kansrekening.
En in Data Science proberen we niets te bedenken.We zoeken gewoon naar onechte verbanden en bellen de kassa.
@Paolo Statistische inferentie wordt beschouwd als 'inductieve statistieken'
#2
+82
John D. Cook
2010-07-27 03:48:52 UTC
view on stackexchange narkive permalink

Ik hou van het voorbeeld van een pot met rode en groene jelly beans.

Een probabilist begint met het kennen van het aandeel van elk en vraagt ​​de waarschijnlijkheid om een ​​rode jelly bean te trekken. Een statisticus leidt het aandeel rode jellybeans af door uit de pot te nemen.

Maar is dat niet slechts een formulering?Een probabilist zou kunnen vragen "gezien ik drie rode bonen heb getrokken, wat is dan de kans dat de verhouding vijftig en vijftig is?"
@ThomasAhle: Dat is geen goed gedefinieerde waarschijnlijkheidsvraag, tenzij u uitgaat van een onderliggend probabilistisch model voor de oorspronkelijke verdeling van kleuren.
#3
+62
charles.y.zheng
2011-03-20 21:02:26 UTC
view on stackexchange narkive permalink

Het is misleidend om simpelweg te zeggen dat statistieken simpelweg het omgekeerde zijn van waarschijnlijkheid. Ja, statistische vragen zijn vragen met inverse waarschijnlijkheid, maar het zijn slecht gestelde inverse problemen , en dit maakt een groot verschil in de manier waarop ze worden aangepakt.

Waarschijnlijkheid is een tak van zuivere wiskunde - waarschijnlijkheidsvragen kunnen worden gesteld en opgelost met behulp van axiomatisch redeneren, en daarom is er één correct antwoord op elke waarschijnlijkheidsvraag.

Statistische vragen kunnen zijn. omgezet naar waarschijnlijkheidsvragen door het gebruik van kansmodellen . Als we eenmaal bepaalde aannames hebben gedaan over het mechanisme dat de gegevens genereert, kunnen we statistische vragen beantwoorden met behulp van kansrekening. ECHTER, de juiste formulering en controle van deze kansmodellen is net zo belangrijk, of zelfs belangrijker, dan de daaropvolgende analyse van het probleem met behulp van deze modellen.

Je zou kunnen zeggen dat statistiek uit twee delen bestaat. Het eerste deel is de vraag hoe probabilistische modellen voor het probleem moeten worden geformuleerd en geëvalueerd; dit streven valt binnen het domein van "wetenschapsfilosofie". Het tweede deel is de vraag om antwoorden te krijgen nadat een bepaald model is aangenomen. Dit deel van de statistiek is inderdaad een kwestie van toegepaste waarschijnlijkheidstheorie en bevat in de praktijk ook behoorlijk wat numerieke analyse.

Zie: http://bactra.org/reviews/error /

Ik hou van je vanwege dit antwoord
#4
+17
ars
2010-07-27 15:26:37 UTC
view on stackexchange narkive permalink

Ik vind dit leuk uit Steve Skienna's Berekende weddenschappen (zie de link voor de volledige discussie):

Samengevat stelt de kansrekening ons in staat om de gevolgen van een gegeven ideale wereld, terwijl statistische theorie ons in staat stelt om te meten in hoeverre onze wereld ideaal is.

#5
+13
user88
2010-07-27 01:18:46 UTC
view on stackexchange narkive permalink

Waarschijnlijkheid is een pure wetenschap (wiskunde), statistiek gaat over gegevens. Ze zijn met elkaar verbonden omdat waarschijnlijkheid een soort fundament vormt voor statistieken en basisideeën oplevert.

Dus waarschijnlijkheid is pure wiskunde en statistiek is toegepaste wiskunde?
Statistieken kunnen worden toegepast en mogelijk niet; toch is het concept van data altijd aanwezig.
#6
+13
Harvey Motulsky
2010-07-27 01:34:46 UTC
view on stackexchange narkive permalink

Tabel 3.1 van Intuïtieve biostatistiek beantwoordt deze vraag met het onderstaande diagram. Merk op dat alle pijlen naar rechts wijzen voor waarschijnlijkheid, en naar links voor statistieken.

WAARSCHIJNLIJKHEID

Algemeen ---> Specifiek

Populatie ---> Voorbeeld

Model ---> Gegevens

STATISTIEKEN

Algemeen < --- Specifiek

Populatie < --- Voorbeeld

Model < --- Gegevens

Dus statistiek is synoniem met data-analyse?
Ik zie geen onderscheid.
Sommige gegevensanalyses zijn niet gebaseerd op frequentistische statistieken.
#7
+11
Justin Bozonier
2010-09-16 05:54:50 UTC
view on stackexchange narkive permalink

Waarschijnlijkheid beantwoordt vragen over wat zal gebeuren, statistieken beantwoorden vragen over wat gebeurde .

Volgens deze definitie is een voorspellingsinterval echter waarschijnlijkheid in plaats van statistiek.
#8
+10
user28
2010-07-27 01:45:37 UTC
view on stackexchange narkive permalink

Waarschijnlijkheid gaat over het kwantificeren van onzekerheid, terwijl statistieken de variatie verklaren in een bepaalde mate van interesse (bijv. waarom variëren inkomensniveaus?) die we in de echte wereld waarnemen.

We verklaren de variatie door enkele waarneembare factoren te gebruiken (bijv. geslacht, opleidingsniveau, leeftijd enz. voor het inkomensvoorbeeld). Omdat we echter onmogelijk rekening kunnen houden met alle mogelijke factoren die van invloed zijn op het inkomen, laten we elke onverklaarde variatie over aan willekeurige fouten (dat is waar kwantificerende onzekerheid om de hoek komt kijken).

Aangezien we 'Variation = Effect of Waarneembare factoren + effect van willekeurige fouten "we hebben de tools nodig die door waarschijnlijkheid worden geboden om het effect van willekeurige fouten op de variatie die we waarnemen te verklaren.

Enkele voorbeelden volgen:

Onzekerheid kwantificeren

Voorbeeld 1: Je gooit een zeszijdige dobbelsteen. Wat is de kans om een ​​1 te behalen?

Voorbeeld 2: Wat is de kans dat het jaarinkomen van een volwassen persoon die willekeurig is geselecteerd uit de Verenigde Staten minder dan $ 40.000 is?

Variatie uitleggen

Voorbeeld 1: we zien dat het jaarinkomen van een persoon varieert. Welke factoren verklaren de variatie in iemands inkomen?

Het is duidelijk dat we niet met alle factoren rekening kunnen houden. Zo schrijven we iemands inkomen toe aan een aantal waarneembare factoren (bijv. Opleidingsniveau, geslacht, leeftijd enz.) En laten we de resterende variatie over aan onzekerheid (of in de taal van statistieken: aan willekeurige fouten).

Voorbeeld 2: we zien dat sommige consumenten meestal voor Tide kiezen als ze een afwasmiddel kopen, terwijl andere consumenten voor afwasmiddel van het merk xyz kiezen. Wat verklaart de variatie in keuze? We schrijven de variatie in keuzes toe aan enkele waarneembare factoren zoals prijs, merknaam enz. En laten onverklaarbare variatie over aan willekeurige fouten (of onzekerheid).

Wat als de willekeurige fouten in de loop van de tijd groter worden dan de waarneembare factoren?
In dat geval herwerkt u uw model omdat het niet meer consistent is met de werkelijkheid.
#9
+8
user1108
2010-09-15 02:56:16 UTC
view on stackexchange narkive permalink

Waarschijnlijkheid is het omarmen van onzekerheid, terwijl statistiek een empirische, hongerige zoektocht naar de waarheid is (natuurlijk uitgesloten van verdomde leugenaars).

Hier denk ik aan alle frequentistische / bayesiaanse waarschijnlijkheid en alle beschrijvende / verkennende / inferentiële statistieken.
#10
+7
raegtin
2010-08-29 06:35:45 UTC
view on stackexchange narkive permalink

Vergelijkbaar met wat Mark zei, heette statistiek historisch Inverse Probability , aangezien statistieken de oorzaken van een gebeurtenis proberen af ​​te leiden op basis van de waarnemingen, terwijl de waarschijnlijkheid meestal andersom is.

#11
+6
Tony Breyal
2010-07-27 02:00:01 UTC
view on stackexchange narkive permalink

De waarschijnlijkheid van een gebeurtenis is de relatieve frequentie op lange termijn. Dus het vertelt je in feite de kans om bijvoorbeeld een 'kop' te krijgen bij de volgende keer dat een munt wordt opgegooid, of een '3' te krijgen bij de volgende worp van een dobbelsteen.

Een statistiek is elke numerieke maat die wordt berekend op basis van een steekproef van de populatie. Bijvoorbeeld het steekproefgemiddelde. We gebruiken dit als een statistiek die het populatiegemiddelde schat, wat een parameter is. Dus eigenlijk geeft het je een soort samenvatting van een steekproef.

  • Je kunt alleen een statistiek van een steekproef krijgen, anders als je een numerieke maat voor een populatie berekent, wordt dit een populatieparameter genoemd.
#12
+6
Carlos Accioly
2010-09-20 18:59:31 UTC
view on stackexchange narkive permalink

Waarschijnlijkheidsonderzoeken, nou ja, hoe waarschijnlijk gebeurtenissen zijn. Je weet intuïtief wat waarschijnlijkheid is.

Statistiek is de studie van gegevens: ze tonen (met behulp van tools zoals grafieken), ze samenvatten (met middelen en standaarddeviaties enz.), Conclusies trekken over de wereld van waaruit die gegevens werden getrokken (lijnen aanpassen aan gegevens enz.), en - dit is essentieel - kwantificeren hoe zeker we kunnen zijn over onze conclusies.

Om te kwantificeren hoe zeker we kunnen zijn over onze conclusies we moeten waarschijnlijkheid gebruiken. Stel dat u de gegevens van vorig jaar heeft over regenval in de regio waar u woont en waar ik woon. Vorig jaar regende het gemiddeld 1/4 inch per week waar jij woont, en 3/8 inch waar ik woon. Dus we kunnen zeggen dat de regenval in mijn regio gemiddeld 50% groter is dan waar je woont, toch? Niet zo snel, Sparky. Het kan toeval zijn: misschien regende het vorig jaar waar ik woon gewoon veel. We kunnen Waarschijnlijkheid gebruiken om in te schatten hoe zeker we kunnen zijn van onze conclusie dat mijn huis 50% vochtiger is dan het jouwe.

Dus eigenlijk kun je zeggen dat waarschijnlijkheid de wiskundige basis is voor de Theorie van de Statistiek.

#13
+5
zoran
2010-07-27 17:36:47 UTC
view on stackexchange narkive permalink

In de waarschijnlijkheidstheorie krijgen we op de een of andere manier willekeurige variabelen X1, X2, ... en dan bestuderen we hun eigenschappen, dwz berekenen we de kans P {X1 \ in B1}, bestuderen we de convergentie van X1, X2,. .. etc.

In wiskundige statistieken krijgen we n realisaties van een willekeurige variabele X, en een reeks verdelingen D; het probleem is om onder distributies van D één te vinden die de meeste kans maakt om de gegevens te genereren die we hebben waargenomen.

Dus we kunnen alleen patronen vinden waar we in de eerste plaats naar op zoek waren?
#14
+4
410 gone
2011-03-20 14:27:37 UTC
view on stackexchange narkive permalink

In waarschijnlijkheid is de verdeling van tevoren bekend en kenbaar - u begint met een bekende kansverdelingsfunctie (of iets vergelijkbaars) en neemt een steekproef ervan.

In statistieken is de verdeling van tevoren onbekend. Het kan zelfs onkenbaar zijn. Veronderstellingen worden verondersteld over de kansverdeling achter waargenomen gegevens, om kansrekening op die gegevens toe te kunnen passen om te weten of een nulhypothese over die gegevens kan worden verworpen of niet.

Er is een filosofische discussie over of er zoiets bestaat als waarschijnlijkheid in de echte wereld, of dat het een ideaal verzinsel is van onze wiskundige verbeelding, en al onze waarnemingen kunnen alleen statistisch zijn.

#15
+3
Carlos Accioly
2010-09-22 19:31:44 UTC
view on stackexchange narkive permalink

Statistiek is het zoeken naar waarheid in het licht van onzekerheid. Waarschijnlijkheid is het hulpmiddel waarmee we onzekerheid kunnen kwantificeren.

(Ik heb een ander, langer antwoord gegeven dat ervan uitgaat dat wat er werd gevraagd iets was in de trant van "hoe zou je het aan je grootmoeder uitleggen? ")

#16
+3
gusl
2013-02-12 23:26:25 UTC
view on stackexchange narkive permalink

Antwoord # 1: Statistieken is geparametriseerde waarschijnlijkheid. Elk boek over meettheoretische waarschijnlijkheid zal je vertellen over het waarschijnlijkheids-triplet: $ (\ Omega, \ mathcal F, P) $. Maar als je statistieken doet, moet je $ \ theta $ aan het bovenstaande toevoegen: $ (\ Omega, \ mathcal F, P_ \ theta) $, dwz voor verschillende waarden van $ \ theta $ krijg je verschillende kansmetingen (verschillende verdelingen).

Antwoord # 2: Waarschijnlijkheid gaat over vooruitgaan; Statistieken gaan over achteruitgaan. Waarschijnlijkheid gaat over het proces van het genereren (simuleren) van gegevens met een waarde van $ \ theta $. Statistieken gaan over het proces van het nemen van gegevens om conclusies te trekken over $ \ theta $.

Disclaimer: het bovenstaande zijn wiskundige antwoorden. In werkelijkheid gaat veel van de statistiek ook over het ontwerpen / ontdekken van geschikte modellen, het in twijfel trekken van bestaande modellen, het ontwerpen van experimenten, het omgaan met onvolmaakte gegevens, enz. "Alle modellen zijn fout."

Analoog, als gevraagd wordt "wat is scheikunde?" we zouden kunnen antwoorden dat het een set differentiaalvergelijkingen is. Een beschrijving van de wiskundige theorie kan ons een klein idee geven van waar een onderwerp over gaat, maar het is niet het onderwerp zelf.
#17
+3
Kenny LJ
2016-06-26 11:17:25 UTC
view on stackexchange narkive permalink

Waarschijnlijkheid : geef op basis van bekende parameters de kans op het observeren van een bepaalde set gegevens.

Statistieken : maak op basis van een bepaalde set geobserveerde gegevens een conclusie over wat de parameters zouden kunnen zijn.

Statistieken zijn "subjectiever" en "meer kunst dan wetenschap" (in verhouding tot waarschijnlijkheid).

$$$$

$$ \ onderstrepen {\ text {Voorbeeld}} $$

We hebben een munt die kan worden omgedraaid. Laat $ p $ het deel van de coin-flips zijn dat heads is.

Waarschijnlijkheid : Stel dat $ p = \ frac {1} {2} $. Wat is dan de kans om $ HHH $ te krijgen (drie koppen op rij)?

De meeste probabilisten zouden hetzelfde, eenvoudige antwoord geven: "De kans is $ \ frac {1} {8} $."

Statistieken : stel dat we krijgen $ HHH $. Wat is dan $ p $?

Verschillende statistici zullen verschillende, vaak langdradige antwoorden geven.

#18
+3
TheodoreM
2016-08-19 22:12:04 UTC
view on stackexchange narkive permalink

Het verschil tussen kansen en statistieken is dat er in kansen geen vergissing is. We zijn zeker van de waarschijnlijkheid omdat we precies weten hoeveel zijden een munt heeft, of hoeveel blauwe karamels er in de vaas zitten. Maar in statistieken onderzoeken we een deel van een populatie van wat we ook onderzoeken, en op basis hiervan proberen we de waarheid te achterhalen, maar er is altijd een percentage verkeerde conclusies. Het enige dat in statistieken waar is, is dat dit een% -fout is, dat is in feite een waarschijnlijkheid.

#19
+2
kervin
2016-11-23 01:11:38 UTC
view on stackexchange narkive permalink

Savage's tekst Foundations of Statistics is meer dan 12.000 keer geciteerd op Google Scholar. [3] Het zegt het volgende.

Men is het er unaniem over eens dat statistieken op de een of andere manier afhankelijk zijn van waarschijnlijkheid. Maar over wat waarschijnlijkheid is en hoe het verband houdt met statistieken, is er sinds de Toren van Babel zelden zo'n volledig meningsverschil en storing in de communicatie geweest. Ongetwijfeld is veel van het meningsverschil slechts terminologisch en zou het verdwijnen bij voldoende scherpe analyse.

https://en.wikipedia.org/wiki/Foundations_of_statistics

Dus het punt dat de kansrekening een fundament van de statistiek is, wordt nauwelijks betwist. Al het andere is eerlijk spel.

Maar in het proberen om behulpzamer en praktischer te zijn met een antwoord ...

De kansrekening bevat echter veel dat meestal van wiskundig belang is en niet direct relevant voor statistieken. Bovendien zijn veel onderwerpen in statistieken onafhankelijk van de kansrekening.

https://en.wikipedia.org/wiki/Probability_and_statistics

De hierboven is op geen enkele manier uitputtend of gezaghebbend, maar ik geloof dat het nuttig is.

Gewoonlijk heeft het me geholpen dingen te zien zoals ...

Beschrijf wiskunde >> Kansrekening >> Statistieken

Elk wordt gemiddeld intensief gebruikt in de fundamenten van de volgende. Dat wil zeggen dat er grote kruispunten zijn in de manier waarop we de fundamenten van de volgende bestuderen.

PS. Er zijn inductieve en deductieve statistieken, dus daar ligt het verschil niet.

#20
  0
Hirak Mondal
2017-10-01 22:20:31 UTC
view on stackexchange narkive permalink

Veel mensen en wiskundigen zeggen dat 'STATISTIEKEN het omgekeerde is van WAARSCHIJNLIJKHEID', maar dat het niet bepaald juist is. De manier van benaderen of de methode om deze 2 op te lossen zijn totaal verschillend, maar ze zijn INTERCONNECTED.

ik wil graag verwijzen naar mijn vriend John D Cook .....

"Ik hou van het voorbeeld van een pot met rode en groene jelly beans.

Een probabilist begint met het kennen van het aandeel van elk en, laten we zeggen, vindt de kans om een ​​rode jelly bean te tekenen. Een statisticus leidt het aandeel rode jelly beans af door ze uit de pot te nemen. "

Now het aandeel van de rode jelly bean verkregen door bemonstering uit de pot wordt gebruikt door de probabilist om de waarschijnlijkheid te vinden om een ​​rode boon uit de pot te trekken

Beschouw dit voorbeeld ---- >>>

Bij een examen zakte 30% van de leerlingen voor natuurkunde, 25% voor wiskunde, 12% voor zowel natuurkunde als wiskunde. Een student wordt willekeurig geselecteerd om de waarschijnlijkheid te vinden dat de student heeft gefaald in natuurkunde, als bekend is dat hij faalde in wiskunde.

De bovenstaande som is een waarschijnlijkheidsprobleem, maar als we goed kijken, zullen we zien dat de som wordt geleverd met enkele statistische gegevens

30% student is mislukt in natuurkunde, 25% "" "wiskunde ' ' ' Dit zijn in feite frequenties als de percentages worden berekend. dus worden we voorzien van statistische gegevens die ons op hun beurt helpen vind de waarschijnlijkheid

SO WAARSCHIJNLIJKHEID EN STATISTIEKEN ZIJN ERG VEEL VERBONDEN OF WE KUNNEN ZEG DAT WAARSCHIJNLIJKHEID VEEL AFHANKELIJK IS VAN STATISTIEKEN

#21
  0
pglpm
2019-02-17 04:14:52 UTC
view on stackexchange narkive permalink

De term "statistiek" wordt prachtig uitgelegd door J. C. Maxwell in het artikel Molecules (in Nature 8, 1873, pp. 437-441). Laat me de relevante passage citeren:

Wanneer de werkende leden van sectie F een rapport van de volkstelling of enig ander document met de numerieke gegevens van de economische en sociale wetenschappen in handen krijgen, beginnen ze met het verdelen van de hele bevolking in groepen, op basis van leeftijd, inkomstenbelasting , onderwijs, religieuze overtuiging of strafrechtelijke veroordelingen. Het aantal individuen is veel te groot om de geschiedenis van elk afzonderlijk te kunnen traceren, zodat ze, om hun arbeid binnen menselijke grenzen te verminderen, hun aandacht concentreren op een klein aantal kunstmatige groepen. Het variërende aantal individuen in elke groep, en niet de variërende staat van elk individu, is het primaire gegeven van waaruit ze werken.

Dit is natuurlijk niet de enige methode om de menselijke natuur te bestuderen. We kunnen het gedrag van individuele mannen observeren en het vergelijken met dat gedrag waarvan hun vroegere karakter en hun huidige omstandigheden, volgens de beste bestaande theorie, ons zouden doen verwachten. Degenen die deze methode toepassen, trachten hun kennis van de elementen van de menselijke natuur te verbeteren, op vrijwel dezelfde manier als een astronoom de elementen van een planeet corrigeert door de feitelijke positie ervan te vergelijken met die afgeleid uit de ontvangen elementen. De studie van de menselijke natuur door ouders en schoolmeesters, door historici en staatslieden, moet daarom worden onderscheiden van die welke wordt verricht door agenten en tabulanten, en door die staatslieden die hun vertrouwen stellen in cijfers. De ene kan de historische worden genoemd en de andere de statistische methode.

De dynamica-vergelijkingen drukken volledig de wetten uit van de historische methode zoals toegepast op materie, maar de toepassing van deze vergelijkingen impliceert een perfecte kennis van alle gegevens. Maar het kleinste deel van de materie dat we aan experimenten kunnen onderwerpen, bestaat uit miljoenen moleculen, waarvan er niet één ooit individueel tastbaar voor ons wordt. We kunnen daarom de werkelijke beweging van een van deze moleculen niet vaststellen, zodat we verplicht zijn de strikte historische methode te verlaten en de statistische methode over te nemen om met grote groepen moleculen om te gaan.

Hij geeft deze uitleg van de statistische methode in verschillende andere werken. Bijvoorbeeld: "In de statistische onderzoeksmethode volgen we het systeem niet tijdens zijn beweging, maar we richten onze aandacht op een bepaalde fase en stellen vast of het systeem zich in die fase bevindt of niet, en ook wanneer het de fase ingaat en wanneer het deze verlaat "(Trans. Cambridge Philos. Soc. 12, 1879, pp. 547-570).

Er is nog een mooie passage van Maxwell over "waarschijnlijkheid" (uit een brief aan Campbell, 1850, herdrukt in The Life of James Clerk Maxwell , p. 143):

de feitelijke wetenschap van de logica is momenteel alleen bekend met dingen die óf zeker, onmogelijk, of geheel twijfelachtig zijn, waarover we (gelukkig) geen reden hebben. Daarom is de ware logica voor deze wereld de kansrekening, die rekening houdt met de grootte van de waarschijnlijkheid (die in de geest van een redelijk mens is of zou moeten zijn).

We kunnen dus zeggen:

- In statistieken concentreren we "onze aandacht op een klein aantal kunstmatige groepen" of hoeveelheden; we maken een soort van catalogisering of volkstelling.

- In waarschijnlijkheid berekenen we onze onzekerheid over sommige gebeurtenissen of grootheden.

De twee zijn verschillend, en we kunnen het een doen zonder het ander.

Als we bijvoorbeeld een volledige telling maken van de hele bevolking van een land en het exacte aantal mensen tellen dat tot bepaalde groepen behoort, zoals leeftijd, geslacht, enzovoort, maken we statistieken. Er is geen onzekerheid - waarschijnlijkheid - bij betrokken, omdat de cijfers die we vinden exact en bekend zijn.

Aan de andere kant, stel je voor dat er iemand voor ons voorbij komt op straat, en we vragen ons af hoe oud ze zijn. In dit geval zijn we onzeker en gebruiken we waarschijnlijkheid, maar er zijn geen statistieken bij betrokken, aangezien we niet een soort telling of catalogus maken.

Maar de twee kunnen ook samen voorkomen. Als we geen volledige telling van een populatie kunnen maken, moeten we raden hoeveel mensen zich in een specifieke leeftijdsgroep bevinden. Daarom gebruiken we waarschijnlijkheid bij het maken van statistieken. Omgekeerd kunnen we kijken naar exacte statistische gegevens over de leeftijden van mensen, en op basis van dergelijke gegevens proberen we een betere schatting te maken van de persoon die voor ons langs loopt. Daarom gebruiken we statistieken bij het bepalen van een waarschijnlijkheid.

Bedankt voor je bijdrage.Hoewel het interessant is, komt het niet overeen met wat statistici denken dat statistieken zijn, noch met wat ze feitelijk doen, zoals te zien is op https://stats.stackexchange.com/questions/140547/how-to-describe-statistics-in-one-zin / 140565 # 140565.
Het is een betwistbaar punt.Ik ken professionele statistici die het niet eens zijn met de ASA-definitie (die vreselijk vaag is) en het met Maxwell eens zijn.


Deze Q&A is automatisch vertaald vanuit de Engelse taal.De originele inhoud is beschikbaar op stackexchange, waarvoor we bedanken voor de cc by-sa 2.0-licentie waaronder het wordt gedistribueerd.
Loading...