9

不暗示和独立性?X YCov(f(X),Y)=0f(.)XY

我只熟悉以下和之间的独立性定义。ÿXY

fx,y(x,y)=fx(x)fy(y

1
您需要,而不仅仅是CØvFXGÿ=0 全部(可衡量) FGCØvFXÿ=0F
Dilip Sarwate

Answers:


7

让我们从直觉开始。对于任何函数hh X 的普通最小二乘回归的斜率与h X Y的协方差成比例。假设所有回归都为零(而不仅仅是线性回归)。如果您想像X Y 由点云(确实是概率密度云)表示,那么无论您如何垂直分割切片并重新排列切片(执行映射hÿHXHHXÿXÿH),回归保持为零。这意味着的条件期望(它们是回归函数)都是恒定的。我们可以在保持期望不变的情况下处理条件分布,从而破坏任何独立的机会。因此,我们应该期望结论并不总是成立。ÿ

有简单的反例。 考虑九个抽象元素的样品空间,并用概率离散量度来确定由

Ω={ω一世Ĵ-1个一世Ĵ1个}

Pω00=0; Pω0Ĵ=1个/5Ĵ=±1个; Pω一世Ĵ=1个/10 除此以外。

定义

X(ωi,j)=j, Y(ωi,j)=i

我们可以将这些概率显示为数组

1个21个1个01个1个21个

(与乘以所有条目)由值在两个方向索引- 1 0 11个/10-1个01个

边际概率 ˚F ÿ- 1 = ˚F Ý1 = 4 / 10 ;

FX-1个=FX1个=3/10;FX0=4/10
如由阵列的列总和和行总和分别计算。由于 ˚F X0 ˚F Ý0 = 4 / 10 2 / 10 0 = Pω 0 0= ˚F X Ý0 0 这些变量不是独立的。
Fÿ-1个=Fÿ1个=4/10;Fÿ0=2/10
FX0Fÿ0=4/102/100=Pω00=FXÿ00

ÿX=0X=±1个ÿX

27

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.