Files
MathNotesVersion1/公式笔记/概率论/Ch04_随机变量的数字特征/题型6_独立与不相关.md
T
2026-10-04 11:44:56 +08:00

6.0 KiB
Raw Blame History

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} = 0 vs 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 = 1
  • X = -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"