Sind zwei normale Standard-Zufallsvariablen immer unabhängig?

16

Ich habe gelernt, dass die Standardnormalverteilung eindeutig ist, weil der Mittelwert und die Varianz auf 0 bzw. 1 festgelegt sind. Aufgrund dieser Tatsache frage ich mich, ob zwei Standard-Zufallsvariablen unabhängig sein müssen.

normal-distribution independence C. Hawk
quelle

12

Warum sollten sie sein ..? Unabhängigkeit hat nichts mit Verteilung zu tun.

Tim

27

Betrachten und . Sie sind nicht unabhängig.

X

$X$

X

$X$

Djechlin

Dies kann aus praktischer Sicht hilfreich sein. stats.stackexchange.com/questions/15011/…

JustGettinStarted

Zusätzlich zu den netten Beispielen wird allgemein eine bivariate Normalverteilung mit N (0,!) - Randverteilungen betrachtet. Es ist möglich, eine Korrelation zwischen -1 und 1 zu haben. Die folgenden Beispiele sind alle Sonderfälle. Abgesehen davon ist es möglich, dass zwei Standardnormalvariablen abhängig sind, aber keine bivariate Verteilung haben.

Michael R. Chernick

1

Ich stelle fest, dass Batman ein allgemeines Ergebnis liefert, das möglicherweise dem entspricht, was ich vorschlage. Der Fall Y = -X hat die Korrelation -1 und ist somit eine entartete Form einer bivariaten Normalen. Ich habe hier (in diesem Beitrag) kein Beispiel gesehen, das einen nicht bivarianten Normalfall veranschaulicht.

Michael R. Chernick

42

Die Antwort ist nein. Wenn zum Beispiel eine Standard-Zufallsvariable ist, folgt der gleichen Statistik, aber und sind eindeutig abhängig. $X$ $Y=-X$ $X$ $Y$

zap
quelle

26

Nein, es gibt keinen Grund zu der Annahme, dass zwei Standard-Gaußsche unabhängig sind.

Hier ist eine einfache mathematische Konstruktion. Angenommen, und sind zwei unabhängige normale Standardvariablen. Dann das Paar $X$ $Y$

X, \frac{X + Y}{\sqrt{2}}

$X, \frac{X + Y}{\sqrt{2}}$

sind zwei abhängige normale Standardvariablen. Solange es also zwei unabhängige normale Variablen gibt, müssen zwei abhängige Variablen vorhanden sein .

Die zweite Variable ist normal, da jede lineare Kombination unabhängiger normaler Variablen wieder normal ist. Das ist da, um die Varianz gleichzu machen. $\sqrt{2}$ $1$

V (\frac{X + Y.}{\sqrt{2}}) = \frac{1}{{\sqrt{2}}^{2}} (V (X) + V (Y.)) = 1

$V \left(\frac{X + Y}{\sqrt{2}} \right) = \frac{1}{\sqrt{2}^2} (V(X) + V(Y)) = 1$

Diese sind intuitiv abhängig, da Sie durch die Kenntnis des Werts von zusätzliche Informationen erhalten, mit denen Sie den Wert der zweiten Variablen vorhersagen können. Wenn Sie beispielsweise wissen, dass , ist die bedingte Erwartung der zweiten Variablen $X$ $X = x$

E [\frac{X + Y.}{\sqrt{2}} ∣ X = x] = \frac{x}{\sqrt{2}}

$E \left[\frac{X + Y}{\sqrt{2}} \mid X = x \right] = \frac{x}{\sqrt{2}}$

Matthew Drury
quelle

7

Hier ist eine ziemlich breite Antwort:

Sei gemeinsam eine Gaußsche Zufallsvariable (dh für beliebige reelle Zahlen hat eine Gaußsche Verteilung). Dann sind und genau dann unabhängig, wenn (dh sie sind nicht korreliert). Sehen Sie diese Hinweise , beispielsweise für weitere Einzelheiten. $X,Y$ $a,b$ $a X + bY$ $X$ $Y$ $E[(X-E[X])(Y-E[Y])]=0$

Wie können normale Standard-Zufallsvariablen generiert werden, die nicht unabhängig sind? Wählen Sie Ihre Lieblingsmatrix der Form so dass positive Wurzeln in . Wenden Sie dann die Cholesky-Zerlegung auf . Nehmen Sie dann zwei unabhängige normale Standard-Zufallsvariablen und dann den Vektor $\Sigma=\begin{bmatrix} 1 & p \\ p & 1 \end{bmatrix}$ $(\lambda-1)^2 - p^2$ $\lambda$ $\Sigma= R R^T$ $U,V$ $R \begin{bmatrix} U \\ V \end{bmatrix}$ hat normale Standardkomponenten, aber die Komponenten sind genau dann unabhängig, wenn . $p=0$

Batman
quelle

5

Ein nicht bivariates normales Beispiel (wie Michael Chernick in den Kommentaren vorschlägt):

Sei $f_{X,Y}(x,y) = \begin{cases} \frac{1}{\pi} e^{-\frac{x^2+y^2}{2}} & xy\geq 0 \\ 0 & o.w. \end{cases}$

$f_{X,Y}(x,y) \neq f_X(x) f_Y(y)$

Batman
quelle

Sind zwei normale Standard-Zufallsvariablen immer unabhängig?

Antworten: