Sampling
iid 數據的悖論（至少對我而言）
就我對統計數據的總體（和稀缺）知識而言，我明白如果是獨立同分佈的隨機變量，那麼正如術語所暗示的那樣，它們是獨立且同分佈的。
我在這里關心的是 iid 樣本的前屬性，內容如下：
對於任何不同的集合的聖.
然而，人們知道，相同分佈的獨立樣本的集合提供了關於分佈結構的信息，因此關於在上述情況下，確實不應該這樣：
我知道我是謬論的受害者，但我不知道為什麼。請幫我解決這個問題。
我認為您將分佈的估計模型與隨機變量混淆了。讓我們重寫獨立假設如下：
它說如果你知道的基本分佈（例如，可以通過一組參數來識別它) 那麼分佈不會改變，因為您已經從中觀察到了一些樣本。 例如，想想作為代表結果的隨機變量- 拋硬幣。知道硬幣正面和反面的概率（順便說一句，假設編碼在) 足以知道. 特別是，之前拋擲的結果不會改變正面或反面的概率-th 折騰，和持有。
但是請注意，.