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 XX 与 YY 相互独立,意指对任意实数 x,yx, y,事件 {X⩽x}\{X \leqslant x\} 与 {Y⩽y}\{Y \leqslant y\} 相互独立,即 (X,Y)(X, Y) 的分布等于边缘分布相乘:F(x,y)=FX(x)⋅FY(y)F(x, y) = F_X(x) \cdot F_Y(y).

若 (X,Y)(X, Y) 是离散型的,则 XX 与 YY 独立的充要条件是

P{X=xi,Y=yj}=P{X=xi}⋅P{Y=yj};P\{X = x_i, Y = y_j\} = P\{X = x_i\} \cdot P\{Y = y_j\};

若 (X,Y)(X, Y) 是连续型的,则 XX 与 YY 独立的充要条件是

f(x,y)=fX(x)⋅fY(y).f(x, y) = f_X(x) \cdot f_Y(y).

一般通过分布判定独立性.

(2) 随机变量 XX 与 YY 不相关,意指 XX 与 YY 之间不存在线性相关性,即 ρXY=0\rho_{XY} = 0,其充要条件是

ρXY=0⇔Cov(X,Y)=0⇔E(XY)=EX⋅EY⇔D(X±Y)=DX+DY.\rho_{XY} = 0 \Leftrightarrow \mathrm{Cov}(X, Y) = 0 \Leftrightarrow E(XY) = EX \cdot EY \Leftrightarrow D(X \pm 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 XX 与 YY 独立,则 X,YX, Y 不相关,反之不然;

② 如果 (X,Y)(X, Y) 服从二维正态分布,则 X,YX, Y 独立 ⇔X,Y\Leftrightarrow X, Y 不相关;

③ 由 ① 知,如果 XX 与 YY 相关,则 X,YX, Y 不独立.

综上所述,我们在讨论随机变量 XX 与 YY 的不相关性、独立性时,总是先计算 Cov(X,Y)\mathrm{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.\mathrm{Cov}(X, Y) = E(XY) - EX EY \begin{cases} \neq 0 \Leftrightarrow X \text{ 与 } Y \text{ 相关} \Rightarrow X \text{ 与 } Y \text{ 不独立}, \\[2ex] = 0 \Leftrightarrow X \text{ 与 } Y \text{ 不相关,通过分布推断} \begin{cases} X, Y \text{ 独立}, \\ X, Y \text{ 不独立}. \end{cases} \end{cases}

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