Zwei Variablen, die nicht korreliert sind, sind nicht unbedingt unabhängig, wie einfach durch die Tatsache veranschaulicht wird, dass und nicht korreliert, aber nicht unabhängig sind. Es wird jedoch garantiert, dass zwei Variablen, die nicht korreliert UND gemeinsam normalverteilt sind, unabhängig sind. Kann jemand intuitiv erklären, warum dies wahr ist? Was genau trägt die gemeinsame Normalität zweier Variablen zur Kenntnis der Nullkorrelation zwischen zwei Variablen bei, was uns zu dem Schluss führt, dass diese beiden Variablen unabhängig sein MÜSSEN?
correlation
normal-distribution
independence
joint-distribution
intuition
ColorStatistics
quelle
quelle
X <- rnorm(n=10000); X2 <- X*X; cor(X[X>1],X2[X>1])
Antworten:
Die gemeinsame Wahrscheinlichkeitsdichtefunktion (pdf) der bivariaten Normalverteilung ist:f(x1,x2)=12πσ1σ21−ρ2−−−−−√exp[−z2(1−ρ2)],
wo
Sie sind also unabhängig.
quelle
Die gemeinsame Normalität zweier Zufallsvariablen kann auf zwei einfache Arten charakterisiert werden:X,Y
Für jedes Paar von (nicht zufälligen) reellen Zahlen hat eine univariate Normalverteilung.a,b aX+bY
Es gibt Zufallsvariablen und reelle Zahlen so dassZ1,Z2∼i.i.d.N(0,1) a,b,c,d Xand Y=aZ1+bZ2=cZ1+dZ2.
Dass die erste davon aus der zweiten folgt, ist leicht zu zeigen. Dass die zweite aus der ersten folgt, erfordert mehr Arbeit, und vielleicht werde ich bald darauf posten. . .
Wenn der zweite wahr ist, dann istcov(X,Y)=ac+bd.
Wenn diese Kovarianz die Vektoren orthogonal zueinander. Dann ist ein skalares Vielfaches der orthogonalen Projektion von auf und auf0, (a,b), (c,d) X (Z1,Z2) (a,b) Y (c,d).
Verbinden Sie nun die Tatsache der Orthogonalität mit der Kreissymmetrie der Gelenkdichte von zu sehen, dass die Verteilung von der Verteilung von zwei Zufallsvariablen entsprechen sollte, von denen eine ein Skalar ist Vielfaches der orthogonalen Projektion von auf die Achse, dh es ist ein skalares Vielfaches von und das andere ist ähnlich ein skalares Vielfaches von(Z1,Z2), (X,Y) (Z1,Z2) x Z1, Z2.
quelle