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

190 lines
6.0 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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
```mermaid
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**"