6.0 KiB
题型六:独立与不相关
识别特征
- 题干问"
X, Y是否独立?" 或 "是否不相关?" - 需要构造或识别"独立但不相关" 或 "不相关但不独立" 的反例
- 涉及二维正态时,需用
\rho=0等价判定
解题流程
flowchart TD
A[识别:独立 vs 不相关] --> B{给定分布?}
B -->|二维正态| C["独立 ⇔ 不相关 ⇔ ρ = 0"]
B -->|其他分布| D["独立 ⇒ 不相关 (反之不成立)"]
D --> E[计算 Cov X,Y = E XY - E X E Y]
E --> F{Cov = 0?}
F -->|是| G[不相关; 独立待验证]
F -->|否| H[相关 ⇒ 不独立]
G --> I{独立性?}
I -->|构造反例| J[可证不独立: 给出 X=x 时 Y 的分布]
I -->|计算验证| K[用 P XY = P X P Y 验证]
通法步骤
一、核心定理
X, Y \text{ 独立} \Rightarrow X, Y \text{ 不相关}
反之不成立(除特殊情形)
二、唯一的"等价"情形:二维正态 ⭐⭐⭐
设 $(X,Y) \sim N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$,则:
X, Y \text{ 独立} \iff X, Y \text{ 不相关} \iff \rho = 0
这是考研高频考点:考到二维正态时,必须联想到这个等价条件!
三、不相关但独立的反例
经典构造 1:$X \sim U(-1, 1)$,Y = X^2
Y完全由X决定 → 不独立\text{Cov}(X,Y) = E(X^3) - E(X)E(X^2) = 0 - 0 \cdot 1/3 = 0→ 不相关
经典构造 2:(X,Y) 联合分布为 \{(0,0), (1,1), (2,0)\} 各概率 1/3
E(X) = 1, E(Y) = 1/3, E(XY) = 1/3\text{Cov} = 1/3 - 1 \cdot 1/3 = 0→ 不相关- $P(X=0, Y=0) = 1/3$,但
P(X=0)P(Y=0) = 1/3 \cdot 1/3 = 1/9→ 不独立
四、独立但不相关的反例(不存在)
事实:独立 ⇒ 不相关,所以"独立但不相关"不存在。
极简例子:
X, Y独立\Rightarrow \text{Cov}(X,Y)=0永远成立
五、独立性的验证
| 方法 | 公式 |
|---|---|
| 定义 | $P(X \in A, Y \in B) = P(X \in A) P(Y \in B)$($\forall A, B$) |
| 密度(连续) | $f(x,y) = f_X(x) f_Y(y)$(几乎处处) |
| 分布律(离散) | $p_{ij} = p_{i \cdot} p_{\cdot j}$(所有 $i, j$) |
| 二维正态 | $\rho = 0$(最简便) |
| 不相关(一般) | 不等价独立,需进一步验证 |
常见陷阱
- "不相关 ⇒ 独立":错!这是最常见的错误
- "独立 ⇔ 不相关":仅对二维正态成立
Y = X^2的反例:X \sim U(-1,1)时 $\text{Cov}(X,Y)=0$,但Y完全由X决定 → 不独立- 相关系数 $0$:只反映线性关系,非线性关系(如 $Y = X^2$)
\rho也是0 \rho_{XY} = 0vs 不相关:是充要条件,但和独立不等价
经典母题
题目 1:$X \sim U(-1,1)$,$Y = X^2$。判断
X, Y是否独立?是否不相关?
解析:
判断独立:若 X, Y 独立,则 X 的取值不影响 Y 的分布。但 Y = X^2 表明 $X = 0 \Rightarrow Y = 0$,$X = 0.5 \Rightarrow Y = 0.25$——Y 完全由 X 决定,不独立。
判断不相关:
\text{Cov}(X, Y) = E(XY) - E(X)E(Y) = E(X \cdot X^2) - E(X) E(X^2) = E(X^3) - 0 \cdot E(X^2)
$E(X^3) = \int_{-1}^1 x^3 \cdot \frac{1}{2} dx = 0$(奇函数)
故 \text{Cov}(X,Y) = 0 → 不相关
结论:不相关但不独立——经典反例!
复盘:构造不相关 + 不独立的反例,最简单方法是用 $Y = g(X)$(确定性函数)。
题目 2:设 $(X,Y) \sim N(0, 0, 1, 1, \rho)$,$Z = X + Y$,$W = X - Y$。 (1) 求 $\text{Cov}(Z,W)$; (2) 判断
Z, W是否独立。
解析:
(1):
\text{Cov}(Z,W) = \text{Cov}(X+Y, X-Y) = D(X) - \text{Cov}(X,Y) + \text{Cov}(Y,X) - D(Y)
= 1 - 0 = 1 - 1 = 0
(2):因为 (X,Y) 是二维正态,(Z,W) 也是 (X,Y) 的线性变换,仍服从二维正态。
\text{Cov}(Z,W) = 0⇒Z, W不相关- 二维正态下:独立 ⇔ 不相关 ⇒
Z, W独立
复盘:二维正态下,独立和不相关的等价性 + 线性变换仍保持正态。
题目 3:设
X, Y满足 $P(X=1) = P(X=-1) = 1/2$,$Y = X^2$。判断独立与不相关。
解析:
X, Y 的取值:
X = 1 \Rightarrow Y = 1X = -1 \Rightarrow Y = 1- 即
Y \equiv 1
判断独立:Y 完全由 X 决定(X 任意,$Y = 1$)→ 不独立
判断不相关:
E(X) = 0, \quad E(Y) = E(X^2) = 1
E(XY) = E(X \cdot X^2) = E(X^3) = 0
\text{Cov}(X,Y) = 0 - 0 \cdot 1 = 0 \Rightarrow \text{不相关}
结论:不相关但不独立。
题目 4:设 $X \sim B(1, 0.5), Y \sim B(1, 0.5)$,
X, Y独立。判断独立与不相关。
解析:
- 独立 ⇒ 不相关(永远成立)
- 直接验证:
E(X) = E(Y) = 0.5, D(X) = D(Y) = 0.25 - $\text{Cov}(X,Y) = 0$(独立)→ 不相关
结论:独立 ⇒ 不相关(但不蕴含反过来成立)
题目 5:
X, Y独立且 $E(X) = 2, E(Y) = 3$。设 $Z = X + Y$,判断X与Z是否独立?是否不相关?
解析:
不相关:$\text{Cov}(X, X+Y) = D(X) + \text{Cov}(X,Y) = D(X) \ne 0$(一般情形下)→ 相关
不独立:X 与 X+Y 显然不独立(Z 包含 $X$)。
结论:既不独立,也不相关(除了平凡情形)。
变式 1:设 $X \sim E(\lambda)$,$Y \sim E(\lambda)$,
X, Y独立。判断X, Y的独立与不相关。解:独立 → 不相关。
变式 2:设
(X,Y)服从单位圆内的均匀分布,$f(x,y) = \frac{1}{\pi}, x^2+y^2 \le 1$。判断独立与不相关。解:
- 独立否:
f(x,y) \ne f_X(x) f_Y(y)- 不相关是:由对称性
E(X) = E(Y) = E(XY) = 0 \Rightarrow \text{Cov} = 0
口诀速记:
- "独立 ⇒ 不相关(一般)"
- "独立 ⇔ 不相关(二维正态)"
- "$Y = X^2$,$X \sim U(-1,1)$:不相关但不独立(经典反例)"
- "
\rho=0⇔ 不相关,不等价独立"