不


9

不暗示和独立性?X YCov(f(X),Y)=0∀f(.)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CØv(F(X),G(ÿ))=0 全部(可衡量) F(⋅),G(⋅)CØv(F(X),ÿ)=0∀F(⋅)
— Dilip Sarwate

Answers:


7

让我们从直觉开始。对于任何函数h,对h (X ) 的普通最小二乘回归的斜率与h (X )和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hÿH(X)HH(X)ÿ(X,ÿ)H),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,Ĵ,≤1个}

P(ω0,0)=0; P(ω0,Ĵ)=1个/5(Ĵ=±1个); P(ω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 ,1。1个/10-1个,0,1个

边际概率和 ˚F ÿ(- 1 )= ˚F Ý(1 )= 4 / 10 ;

FX(-1个)=FX(1个)=3/10;FX(0)=4/10
如由阵列的列总和和行总和分别计算。由于 ˚F X(0 )˚F Ý(0 )= (4 / 10 )(2 / 10 )≠ 0 = P(ω 0 ,0)= ˚F X Ý(0 ,0 ),这些变量不是独立的。
Fÿ(-1个)=Fÿ(1个)=4/10;Fÿ(0)=2/10,
FX(0)Fÿ(0)=(4/10)(2/10)≠0=P(ω0,0)=FXÿ(0,0),

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.