随机变量的解释

机器算法验证 随机变量 解释 随机性
2022-04-16 13:39:20

变量被建模为随机变量,而不涉及它在现实中是否真正随机的问题。

例如,当抛硬币的结果被建模为随机变量时,没有人会问抛硬币的过程是否“真的是随机的”。

如果我们(或某个假设的实体)确实知道所有可能的物理参数,那么这个过程就不会是“真正随机的”,那么就有可能以 100% 的确定性预测结果。如果即使给出了有关物理现实的所有可能知识,这将是真正的随机性,关于掷硬币的结果仍然存在不确定性。

  1. 为什么这个问题(随机变量是否代表一个真正随机的过程)在建模阶段并不重要?
  2. 在什么阶段重要
2个回答

我认为将数学世界和现实世界原则上分开是有道理的。然而,首先为了真正使用数学,数学世界和现实世界必须通过解释来连接,包括寻址/检查连接是否合适。其次,数学最初并且现在大部分仍然是为了有用而设置的,即与现实世界建立联系。

“随机变量”是一种数学结构,因此是数学世界的一部分,而不是现实世界的一部分。在数学世界中处理随机变量时,实际上这是否代表“真正的随机过程”并不重要,因为这样的事情在数学世界中是不存在的。然而,它被称为“随机变量”,因为定义它的人想用它来模拟真实的随机过程。

第二个问题的问题是不清楚你所说的“真正的随机过程”是否真的存在。周围有一些决定论者认为没有什么是“真正”随机的。也有人认为概率不是模拟现实世界中的随机性,而是个人或整个科学界的知识/不确定性状态。这些人在数学处理概率时仍然使用随机变量。

即使是常客,对现实中存在的概率模型建模过程可能会承认,我们使用随机变量的许多实际过程并不是真正随机的,尽管大多数人认为有些是(例如放射性衰变,或随机抽样和实验的随机化,如果研究人员使用适当的随机数)。最终“客观随机性”无法通过观察来确认,所以我宁愿说,如果研究人员使用真实过程的模型,研究人员必须做两件事才能说服其他人该模型有用:

(a) 争辩说,过程的任何知识都不会使随机性无效(例如可以抽取适当随机样本的便利抽样),

(b) 表明数据的行为(在所有相关方面)与模型暗示的行为相同。

这并不能确保真实过程是“真正随机的”,但它表明我们可以使用该模型来了解现实世界中发生的事情,例如,做出预测,或者简单地陈述“关于顺势疗法的效果看起来像是由随机模型生成的,根据该模型与安慰剂相同。”

随机的东西是你无法预测的。因此,如果你能以某种方式求解一个方程,即在硬币落在那一侧之前,它会先落在哪一侧,那么它就不是真正的随机。您可以为每个随机数生成过程执行此操作,因此如果您无法弄清楚它会等于什么,则该变量是随机的。好像你不能,所以对你来说它真的是随机的。