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hÿħ (X)Hħ (X)ÿ(X,Y)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我,Ĵ| - 1 ≤ 我,Ĵ ,≤ 1 }
P( ω0 ,0)= 0 ; P(ω 0 ,Ĵ)= 1 / 5(j = ± 1 ); P(ω 我,Ĵ= 1 / 10 ) 否则。
定义
X(ω我,Ĵ)=j, Y(ωi,j)=i.
我们可以将这些概率显示为数组
⎛⎝⎜1个1个1个2021个1个1个⎞⎠⎟
(与乘以所有条目)由值在两个方向索引- 1 ,0 ,1。1 / 10- 1 ,0 ,1
边际概率和 ˚F ÿ(- 1 )= ˚F Ý(1 )= 4 / 10 ;
FX(− 1 )= fX(1 )= 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 )= fÿ(1 )= 4 / 10 ;Fÿ(0 )= 2 / 10 ,
FX(0 )fÿ(0 )= (4 / 10 )(2 / 10 )≠ 0 = P(ω0 ,0)= fXÿ(0 ,0 ),
ÿX= 0X= ± 1ÿX
27