मेरा मतलब है कि उनमें से कुछ चर आपस में दृढ़ता से सहसंबद्ध हैं। कैसे / क्यों / किस संदर्भ में हम उन्हें स्वतंत्र चर के रूप में परिभाषित करते हैं ?
मेरा मतलब है कि उनमें से कुछ चर आपस में दृढ़ता से सहसंबद्ध हैं। कैसे / क्यों / किस संदर्भ में हम उन्हें स्वतंत्र चर के रूप में परिभाषित करते हैं ?
जवाबों:
यदि हम मशीन सीखने पर आज के जोर से वापस खींचते हैं और याद करते हैं कि नियंत्रित प्रायोगिक अध्ययन के लिए सांख्यिकीय विश्लेषण का कितना विकास हुआ था, तो वाक्यांश "स्वतंत्र चर" अच्छी तरह से समझ में आता है।
नियंत्रित प्रायोगिक अध्ययनों में, एक दवा और इसके सांद्रता के विकल्प, या एक उर्वरक और इसकी प्रति एकड़ की मात्रा के विकल्प, जांचकर्ता द्वारा स्वतंत्र रूप से बनाए जाते हैं । ब्याज किस तरह से ब्याज का एक प्रतिक्रिया चर है (उदाहरण के लिए, रक्तचाप, फसल की उपज) इन प्रयोगात्मक जोड़तोड़ पर निर्भर करता है। आदर्श रूप से, स्वतंत्र चर की विशेषताओं को कसकर निर्दिष्ट किया जाता है, अनिवार्य रूप से उनके मूल्यों को जानने में कोई त्रुटि नहीं होती है। तब मानक रेखीय प्रतिगमन, उदाहरण के लिए, स्वतंत्र चर और अवशिष्ट त्रुटियों के मूल्यों के संदर्भ में निर्भर चर के मूल्यों के बीच अंतर मॉडल।
नियंत्रित प्रायोगिक अध्ययनों के संदर्भ में प्रतिगमन के लिए उपयोग की जाने वाली एक ही गणितीय औपचारिकता भी थोड़े से कोई प्रयोगात्मक हेरफेर के साथ मनाया डेटा सेटों के विश्लेषण के लिए लागू की जा सकती है, इसलिए शायद यह आश्चर्य की बात नहीं है कि "स्वतंत्र चर" वाक्यांश इस प्रकार के लिए किए गए हैं। अध्ययन करते हैं। लेकिन, इस पृष्ठ पर अन्य लोगों की तरह, यह संभवतः एक दुर्भाग्यपूर्ण विकल्प है, "भविष्यवक्ताओं" या "सुविधाओं" के साथ ऐसे संदर्भों में अधिक उपयुक्त है।
कई मायनों में, "स्वतंत्र चर" एक दुर्भाग्यपूर्ण विकल्प है। चर एक दूसरे से स्वतंत्र होने की जरूरत नहीं है, और निश्चित रूप से निर्भर चर स्वतंत्र होने की जरूरत नहीं है । शिक्षण और मेरी पुस्तक में प्रतिगमन मॉडलिंग रणनीतियाँ मैं पूर्वसूचक शब्द का उपयोग करता हूं । कुछ स्थितियों में यह शब्द पर्याप्त मजबूत नहीं है, लेकिन यह औसत रूप से अच्छी तरह से काम करता है। एक सांख्यिकीय मॉडल में (दाएं हाथ की ओर) चर की भूमिका का पूरा विवरण हर बार उपयोग करने के लिए बहुत लंबा हो सकता है: चर या माप का सेट जिस पर का वितरण वातानुकूलित है। यह चर का सेट कहने का एक और तरीका है जिसके वितरण में हम वर्तमान में रुचि नहीं रखते हैं, लेकिन जिनके मूल्य हम स्थिरांक के रूप में मानते हैं।X य
मैं यहां अन्य उत्तरों से सहमत हूं कि "स्वतंत्र" और "निर्भर" खराब शब्दावली है। जैसा कि एड्म बताते हैं, यह शब्दावली नियंत्रित प्रयोगों के संदर्भ में उत्पन्न हुई जहां शोधकर्ता एक दूसरे से स्वतंत्र रूप से रजिस्टरों को सेट कर सकते थे। ऐसे कई पसंदीदा शब्द हैं, जिनमें यह भारित कारण नहीं है, और मेरे अनुभव में, सांख्यिकीविद् अधिक तटस्थ शब्दों को पसंद करते हैं। यहाँ कई अन्य शब्द इस्तेमाल किए गए हैं, जिनमें निम्नलिखित शामिल हैं:
व्यक्तिगत रूप से, मैं शब्दों की व्याख्यात्मक चर, और प्रतिक्रिया चर का उपयोग करता हूं, क्योंकि उन शब्दों में सांख्यिकीय स्वतंत्रता या नियंत्रण, आदि का कोई अनुमान नहीं है (कोई यह तर्क दे सकता है कि 'प्रतिक्रिया' का एक कारण अर्थ है, लेकिन यह काफी कमजोर अर्थ है, इसलिए मैं इसे समस्याग्रस्त नहीं पाया है।)
फ्रैंक हैरेल और पीटर फ्लॉम के उत्तरों को जोड़ने के लिए:
मैं मानता हूं कि एक चर को "स्वतंत्र" या "निर्भर" कहना अक्सर भ्रामक होता है। लेकिन कुछ लोग अब भी ऐसा करते हैं। मैंने एक बार एक जवाब सुना है क्यों:
प्रतिगमन विश्लेषण में हमारे पास एक "विशेष" चर (आमतौर पर द्वारा चिह्नित ) और कई "नहीं-तो-विशेष" चर ( एक्स 'एस) हैं और हम यह देखना चाहते हैं कि एक्स के परिवर्तन वाई को कैसे प्रभावित करते हैं । दूसरे शब्दों में, हम देखना चाहते हैं कि चाहते वाई निर्भर करता है पर एक्स की।
इसीलिए को "आश्रित" कहा जाता है। और अगर एक को "आश्रित" कहा जाता है, तो आप दूसरे को कैसे कहेंगे?
"आश्रित" और "स्वतंत्र" भ्रमित करने वाले शब्द हो सकते हैं। एक अर्थ छद्म-कारण या यहां तक कि कारण है और यह वह है जो "स्वतंत्र चर" और "आश्रित चर" कहते समय होता है। हमारा मतलब है कि DV, कुछ अर्थों में, IV पर निर्भर करता है। इसलिए, उदाहरण के लिए, जब वयस्क मनुष्यों में ऊंचाई और वजन के संबंध को मॉडलिंग करते हैं, तो हम कहते हैं कि वजन DV है और ऊंचाई IV है।
यह कुछ ऐसा करता है जो "भविष्यवक्ता" नहीं करता है - अर्थात्, रिश्ते की दिशा। ऊंचाई वजन की भविष्यवाणी करती है, लेकिन वजन भी ऊंचाई की भविष्यवाणी करता है। यही है, अगर आपको लोगों की ऊंचाई का अनुमान लगाने के लिए कहा गया था और उनके वजन को बताया गया था, तो यह उपयोगी होगा।
लेकिन हम यह नहीं कहेंगे कि ऊंचाई वजन पर निर्भर करती है।
उपरोक्त उत्तरों के आधार पर, हाँ, मैं सहमत हूँ कि यह आश्रित और स्वतंत्र चर कमजोर शब्दावली है। लेकिन मैं उस संदर्भ की व्याख्या कर सकता हूं जिसमें इसका उपयोग हम में से कई द्वारा किया जा रहा है। आप कहते हैं कि एक सामान्य प्रतिगमन समस्या के लिए हमारे पास एक आउटपुट चर है, Y का कहना है, जिसका मूल्य अन्य इनपुट चर पर निर्भर करता है, X1, x2, x3 कहते हैं। इसलिए इसे "डिपेंडेंट वेरिएबल" कहा जाता है। और इसी तरह केवल इस संदर्भ पर निर्भर करता है , और आउटपुट और इनपुट चर के बीच अंतर करने के लिए, X1, x2, x3 को स्वतंत्र चर के रूप में कहा जाता है। क्योंकि Y के विपरीत यह किसी अन्य चर पर निर्भर नहीं करता है (लेकिन हाँ यहाँ हम अपने बारे में निर्भरता के बारे में बात नहीं कर रहे हैं।)
स्वतंत्र चर को स्वतंत्र कहा जाता है क्योंकि वे अन्य चर पर निर्भर नहीं होते हैं। उदाहरण के लिए, घर की कीमत की भविष्यवाणी की समस्या पर विचार करें। मान लें कि हमारे पास house_size, location और house_price पर डेटा है। यहां, house_price का निर्धारण house_size और स्थान के आधार पर किया जाता है, लेकिन अलग-अलग घरों के लिए स्थान और house_size भिन्न हो सकते हैं।