独立性与不相关性的判定
所属章节:第4章 随机变量的数字特征
(1) 随机变量 X 与 Y 相互独立,意指对任意实数 x,y,事件 {X⩽x} 与 {Y⩽y} 相互独立,即 (X,Y) 的分布等于边缘分布相乘:F(x,y)=FX(x)⋅FY(y).
若 (X,Y) 是离散型的,则 X 与 Y 独立的充要条件是
P{X=xi,Y=yj}=P{X=xi}⋅P{Y=yj};
若 (X,Y) 是连续型的,则 X 与 Y 独立的充要条件是
f(x,y)=fX(x)⋅fY(y).
一般通过分布判定独立性.
(2) 随机变量 X 与 Y 不相关,意指 X 与 Y 之间不存在线性相关性,即 ρXY=0,其充要条件是
ρXY=0⇔Cov(X,Y)=0⇔E(XY)=EX⋅EY⇔D(X±Y)=DX+DY.
一般通过数字特征判定不相关性.
(3) 几个重要结论:
① 如果 X 与 Y 独立,则 X,Y 不相关,反之不然;
② 如果 (X,Y) 服从二维正态分布,则 X,Y 独立 ⇔X,Y 不相关;
③ 由 ① 知,如果 X 与 Y 相关,则 X,Y 不独立.
综上所述,我们在讨论随机变量 X 与 Y 的不相关性、独立性时,总是先计算 Cov(X,Y),而后按下列程序进行判断或再计算:
Cov(X,Y)=E(XY)−EXEY⎩⎨⎧=0⇔X 与 Y 相关⇒X 与 Y 不独立,=0⇔X 与 Y 不相关,通过分布推断{X,Y 独立,X,Y 不独立.
关联知识
原文:原笔记 · 4.5 独立性与不相关性的判定 P113(原文件第 640–671 行)。
返回概率论导航