Dalam konteks lain, ortogonal berarti "pada sudut kanan" atau "tegak lurus".
Apa arti ortogonal dalam konteks statistik?
Terima kasih atas klarifikasi.
descriptive-statistics
pmgjones
sumber
sumber
Jawaban:
Itu berarti mereka [variabel acak X, Y] 'independen' satu sama lain. Variabel acak independen sering dianggap berada di 'sudut kanan' satu sama lain, di mana dengan 'sudut kanan' dimaksudkan bahwa produk dalam keduanya adalah 0 (kondisi yang setara dari aljabar linier).
Misalnya pada bidang XY sumbu X dan Y dikatakan ortogonal karena jika nilai x suatu titik berubah, misalkan dari (2,3) menjadi (5,3), nilainya y tetap sama (3), dan sebaliknya. Karenanya kedua variabel tersebut 'independen'.
Lihat juga entri Wikipedia untuk Kemandirian dan Ortogonalitas
sumber
Saya tidak bisa berkomentar karena saya tidak punya cukup poin, jadi saya terpaksa mengatakan pikiran saya sebagai jawaban, tolong maafkan saya. Dari sedikit yang saya tahu, saya tidak setuju dengan jawaban yang dipilih oleh @crazyjoe karena ortogonalitas didefinisikan sebagai
Begitu:
Jika dengan pdf simetris mereka mereka belum ortogonal.Y=X2
Jika tetapi pdf nol untuk nilai negatif, maka mereka bergantung tetapi tidak ortogonal.Y=X2
Karena itu, ortogonalitas tidak menyiratkan independensi.
sumber
Jika X dan Y independen maka mereka adalah Orthogonal. Tetapi kebalikannya tidak benar seperti yang ditunjukkan oleh contoh cerdas dari user497804. Untuk definisi yang tepat lihat
Orthogonal: Variabel acak bernilai kompleks dan disebut orthogonal jika memenuhiC1 C2 cov(C1,C2)=0
(Hal 376, Probabilitas dan Proses Acak oleh Geoffrey Grimmett dan David Stirzaker)
Independen: Variabel acak dan independen jika dan hanya jika untuk semuaX Y F(x,y)=FX(x)FY(y) x,y∈R
yang, untuk variabel acak kontinu, setara dengan mensyaratkan bahwaf(x,y)=fX(x)fY(y)
(Halaman 99, Probabilitas dan Proses Acak oleh Geoffrey Grimmett dan David Stirzaker)
sumber
@Mien sudah memberikan jawaban, dan, sebagaimana ditunjukkan oleh @whuber, ortogonal berarti tidak berkorelasi. Namun, saya benar-benar berharap orang akan memberikan beberapa referensi. Anda mungkin menganggap tautan berikut bermanfaat karena menjelaskan konsep korelasi dari perspektif geometris.
sumber
X
danY
tidak berkorelasi jika dan hanya jika variabel terpusatX-E(X)
danY-E(Y)
ortogonal. [ref]Situs web NIST (ref di bawah) mendefinisikan ortogonal sebagai berikut, "Desain eksperimental ortogonal jika efek dari faktor apa pun menyeimbangkan (jumlah ke nol) di seluruh efek dari faktor-faktor lain."
Dalam statistik deisgn, saya mengerti ortogonal berarti "tidak dirikan" atau "tidak alias". Ini penting ketika merancang dan menganalisis percobaan Anda jika Anda ingin memastikan Anda dapat dengan jelas mengidentifikasi berbagai faktor / perawatan. Jika eksperimen yang Anda rancang tidak ortogonal, artinya Anda tidak akan dapat sepenuhnya memisahkan efek dari berbagai perawatan. Dengan demikian, Anda perlu melakukan percobaan tindak lanjut untuk menguraikan efeknya. Ini akan disebut desain augmented atau desain komparatif.
Kemandirian tampaknya menjadi pilihan kata yang buruk karena digunakan dalam banyak aspek desain dan analisis lainnya.
NIST Ref http://www.itl.nist.gov/div898/handbook/pri/section7/pri7.htm
sumber
Kemungkinan besar mereka berarti 'tidak terkait' jika mereka mengatakan 'ortogonal'; jika dua faktor ortogonal (misalnya dalam analisis faktor), mereka tidak terkait, korelasinya nol.
sumber
Menurut http://terpconnect.umd.edu/~bmomen/BIOM621/LineardepCorrOrthogonal.pdf , independensi linear adalah kondisi yang diperlukan untuk ortogonalitas atau tidak berkorelasi. Tetapi ada perbedaan yang lebih halus, khususnya, ortogonalitas bukan tidak berkorelasi.
sumber
Saya mengajukan pertanyaan serupa Apa hubungan antara ortogonalitas dan harapan produk RV , dan saya mereproduksi jawabannya di sini. Meskipun ortogonalitas adalah konsep dari Aljabar Linier, dan itu berarti bahwa produk-titik dari dua vektor adalah nol, istilah ini kadang-kadang digunakan secara longgar dalam statistik dan berarti non-korelasi. Jika dua vektor acak adalah ortogonal, maka pasangan terpusatnya tidak berkorelasi, karena ortogonalitas (titik-nol produk) menyiratkan non-korelasi dari vektor acak terpusat (kadang-kadang orang mengatakan bahwa ortogonalitas menyiratkan bahwa momen-silang adalah nol). Setiap kali kita memiliki dua Vektor Acak , kita selalu dapat memusatkan mereka di sekitar kemampuan mereka untuk membuat harapan mereka menjadi nol. Asumsikan ortogonalitas ((X,Y) X⋅Y=0 ), maka korelasi variabel acak terpusat adalah
sumber
Dalam ekonometrik, asumsi ortogonalitas berarti nilai yang diharapkan dari jumlah semua kesalahan adalah 0. Semua variabel dari regressor adalah ortogonal dengan ketentuan kesalahan saat ini.
Secara matematis, asumsi ortogonalitas adalah .E(xi⋅εi)=0
Dalam istilah yang lebih sederhana, itu berarti seorang regressor "tegak lurus" dengan istilah error.
sumber
Dua atau lebih IV tidak berhubungan (independen) satu sama lain tetapi keduanya memiliki pengaruh pada DV. Setiap IV secara terpisah menyumbangkan nilai yang berbeda untuk hasil, sementara keduanya atau semua IV juga berkontribusi secara aditif dalam prediksi pendapatan (ortogonal = non-berpotongan pengaruh IV pada DV). IV's adalah non-korelasional antara satu sama lain dan biasanya diposisikan di sudut kanan * lihat Diagram Venn.
Contoh: Hubungan antara motivasi dan tahun pendidikan tentang pendapatan.
IV = Tahun Pendidikan IV = Motivasi DV = Penghasilan
https://onlinecourses.science.psu.edu/stat505/node/167
sumber
Variabel acak terkait berarti variabel mengatakan X dan Y dapat memiliki hubungan apa pun; bisa linear atau non-linear. Sifat independensi dan ortogonal adalah sama jika kedua variabel terkait secara linear.
sumber