不确定性与随机性
Uncertainty versus randomness
我想知道数学方面的不确定性和随机性之间的区别。我试图找到它，但我感到困惑，因为有些人说它们是一样的？但是任何人都可以向我提供其背后的逻辑推理。如果它们不相同，请解释为什么？
数学和科学中的不确定性通常意味着缺乏事实，或者无法获得事实。天气预报是不确定性的一个很好的例子。
随机性有很多定义。通常它在概率/统计中用作不确定性的度量或量化。因此，在我的天气示例中，下雨的可能性为 30% 是不确定性的衡量标准。更一般的定义（也适用于数学/科学）是不可预测的，或者是无序的。
两者之间肯定有模糊的区别。
不要太在意它。
人们在不同的情况下使用不同的词。
与其说它们有不同的含义，不如说它们的含义是视情况而定的。
随机性只是一个模糊的通用术语，意思是某些东西是随机的。
在统计学中，不确定性用于表示分布的某些 属性，例如它的均值，本身是未知的，但可以给出一个分布。
例如，假设您想知道所有人的平均体重。
如果你能找到所有的人，得到他们的体重，把它加起来，然后除以人数，你就能准确地找到它。
但这太难了，所以假设您只是随机挑选 10 个人并获得他们的平均体重，然后假装它与每个人的平均体重相同。
这称为 样本均值 ，但您知道它并不准确。
它具有所谓的 标准误差 ，这意味着它具有不确定性。
事实上，如果你对不同的人进行多次实验，每次都会得到不同的样本均值，而这些样本均值本身会形成钟形分布，其标准差将被称为标准误差，代表其不确定性。
一般来说，如果将查看的人数增加 100 倍，则可以将标准误差（不确定性）降低 10 倍。
我敢打赌，以投票为生的人非常关心这些东西。
编辑反对票：如果反对票是因为这看起来不像是 Whosebug 问题或答案，
我特别提倡 random pausing 分析方法。
分析在很大程度上被认为是关于测量（统计）编程构造负责的时间。
人们常常被禁止使用该方法，因为他们担心结果有太多不确定性。
This post 非常具体地说明了不确定性到底是什么。
它表明，对不确定性的恐惧具有 阻止人们在他们的代码中找到真正实质性加速的效果 。
所以天真地了解统计绝对是一个严重的编程问题。
根据概率的贝叶斯解释，不确定性和随机性只是同一事物的两个名称。
我的观点是使用三种不同颜色的球：
我喜欢这里给出的一些答案。根据我目前的研究，我自己的观点是，这是两个不同的术语。不确定性是指事先不知道哪个球可以 select 当一个人有机会 select 从三个不同颜色的球中选出一个球。
当每个球被 selected 的机会相等时，即相等的概率，这仍然成立。然而，当每个球都有自己独特的概率时，事情很快就会变得复杂。机会是概率最高的将 selected。这在算法开发中似乎尤其如此，算法开发几乎总是 select 损害随机性含义的最高概率。
说了这么多 - 我相信这些概念仍然令人困惑，这让我意识到我需要花时间明确区分两者，以确保我当前的研究不会混淆。我自己的困境是我需要研究随机与确定性观点。基于当前的观点，随机性将比随机性更不确定，而确定性将更多地基于概率，即确定将选择最高概率； 但这似乎与事实相去甚远。
似乎不确定性一直存在到一个球成为 selected/touched 之前，并且一旦球被选中，它的意义就会很快消失，这应该会导致它的概率被修改。我个人认为这些术语在理论上存在差异，这或许可以让它们互换使用。
如果实验是随机的，那么它对您来说是不确定的。如果你不确定某件事，那么它就具有随机性 属性。
我想知道数学方面的不确定性和随机性之间的区别。我试图找到它，但我感到困惑，因为有些人说它们是一样的？但是任何人都可以向我提供其背后的逻辑推理。如果它们不相同，请解释为什么？
数学和科学中的不确定性通常意味着缺乏事实，或者无法获得事实。天气预报是不确定性的一个很好的例子。
随机性有很多定义。通常它在概率/统计中用作不确定性的度量或量化。因此，在我的天气示例中，下雨的可能性为 30% 是不确定性的衡量标准。更一般的定义（也适用于数学/科学）是不可预测的，或者是无序的。
两者之间肯定有模糊的区别。
不要太在意它。 人们在不同的情况下使用不同的词。 与其说它们有不同的含义，不如说它们的含义是视情况而定的。
随机性只是一个模糊的通用术语，意思是某些东西是随机的。
在统计学中，不确定性用于表示分布的某些 属性，例如它的均值，本身是未知的，但可以给出一个分布。
例如，假设您想知道所有人的平均体重。 如果你能找到所有的人，得到他们的体重，把它加起来，然后除以人数，你就能准确地找到它。
但这太难了，所以假设您只是随机挑选 10 个人并获得他们的平均体重，然后假装它与每个人的平均体重相同。 这称为 样本均值 ，但您知道它并不准确。 它具有所谓的 标准误差 ，这意味着它具有不确定性。
事实上，如果你对不同的人进行多次实验，每次都会得到不同的样本均值，而这些样本均值本身会形成钟形分布，其标准差将被称为标准误差，代表其不确定性。
一般来说，如果将查看的人数增加 100 倍，则可以将标准误差（不确定性）降低 10 倍。
我敢打赌，以投票为生的人非常关心这些东西。
编辑反对票：如果反对票是因为这看起来不像是 Whosebug 问题或答案， 我特别提倡 random pausing 分析方法。 分析在很大程度上被认为是关于测量（统计）编程构造负责的时间。 人们常常被禁止使用该方法，因为他们担心结果有太多不确定性。
This post 非常具体地说明了不确定性到底是什么。 它表明，对不确定性的恐惧具有 阻止人们在他们的代码中找到真正实质性加速的效果 。 所以天真地了解统计绝对是一个严重的编程问题。
根据概率的贝叶斯解释，不确定性和随机性只是同一事物的两个名称。
我的观点是使用三种不同颜色的球：
我喜欢这里给出的一些答案。根据我目前的研究，我自己的观点是，这是两个不同的术语。不确定性是指事先不知道哪个球可以 select 当一个人有机会 select 从三个不同颜色的球中选出一个球。
当每个球被 selected 的机会相等时，即相等的概率，这仍然成立。然而，当每个球都有自己独特的概率时，事情很快就会变得复杂。机会是概率最高的将 selected。这在算法开发中似乎尤其如此，算法开发几乎总是 select 损害随机性含义的最高概率。
说了这么多 - 我相信这些概念仍然令人困惑，这让我意识到我需要花时间明确区分两者，以确保我当前的研究不会混淆。我自己的困境是我需要研究随机与确定性观点。基于当前的观点，随机性将比随机性更不确定，而确定性将更多地基于概率，即确定将选择最高概率； 但这似乎与事实相去甚远。
似乎不确定性一直存在到一个球成为 selected/touched 之前，并且一旦球被选中，它的意义就会很快消失，这应该会导致它的概率被修改。我个人认为这些术语在理论上存在差异，这或许可以让它们互换使用。
如果实验是随机的，那么它对您来说是不确定的。如果你不确定某件事，那么它就具有随机性 属性。