ความแปรปรวนและความเป็นอิสระ?


54

ฉันอ่านจากตำราเรียนว่าไม่รับประกันว่า X และ Y จะเป็นอิสระ แต่ถ้าพวกเขาเป็นอิสระความแปรปรวนร่วมของพวกเขาจะต้องเป็น 0 ฉันไม่สามารถนึกถึงตัวอย่างที่เหมาะสมได้ มีคนให้หรือไม่cov(X,Y)=0


10
นอกจากนี้คุณยังสามารถเพลิดเพลินกับการทบทวนQuartet ของ Anscombe ได้อย่างรวดเร็วซึ่งแสดงให้เห็นถึงวิธีที่แตกต่างกันหลายประการซึ่งการแปรปรวนร่วมที่ไม่เป็นศูนย์โดยเฉพาะสามารถรับรู้ได้โดยชุดข้อมูล bivariate
whuber

7
สิ่งที่ควรทราบก็คือการวัดความแปรปรวนร่วมนั้นเป็นการวัดความเป็นเส้นตรง .. การคำนวณความแปรปรวนร่วมกำลังตอบคำถามว่า 'ข้อมูลในรูปแบบเส้นตรงหรือไม่?' หากข้อมูลเป็นไปตามรูปแบบเชิงเส้นพวกเขาจะขึ้นอยู่กับ แต่นี่เป็นเพียงวิธีเดียวที่ข้อมูลจะขึ้นอยู่กับ มันเหมือนกับถามว่าฉันกำลังขับรถโดยประมาทหรือเปล่า คำถามหนึ่งอาจเป็น 'คุณเดินทางเกิน 25 ไมล์ต่อชั่วโมงหรือไม่?' แต่นั่นไม่ใช่วิธีเดียวที่จะขับรถอย่างประมาท คำถามอื่นอาจเป็น 'คุณเมาหรือไม่?' ฯลฯ มีมากกว่าหนึ่งวิธีในการขับขี่โดยประมาท
อดัม

การวัดเชิงเส้นที่เรียกว่าให้โครงสร้างกับความสัมพันธ์ สิ่งสำคัญคือความสัมพันธ์อาจไม่ใช่เชิงเส้นซึ่งไม่ใช่เรื่องแปลก โดยทั่วไปความแปรปรวนร่วมไม่เป็นศูนย์มันเป็นสมมติฐานความแปรปรวนร่วมแสดงขนาดและไม่ได้เป็นอัตราส่วน
Subhash C. Davar

คำตอบ:


48

ตัวอย่างง่าย ๆ : ให้เป็นตัวแปรสุ่มนั่นคือหรือด้วยความน่าจะเป็น 0.5 แล้วปล่อยให้เป็นตัวแปรสุ่มเช่นที่ถ้าและคือสุ่มหรือกับความน่าจะเป็น 0.5 ถ้า 1X1+1YY=0X=1Y1+1X=1

เห็นได้ชัดว่าและขึ้นอยู่กับระดับสูง (ตั้งแต่รู้ว่าทำให้ฉันรู้ว่าสมบูรณ์ ) แต่ความแปรปรวนร่วมเป็นศูนย์: พวกเขาทั้งคู่มีค่าเฉลี่ยเป็นศูนย์และXYYX

E[XY]=(1)0P(X=1)+11P(X=1,Y=1)+1(1)P(X=1,Y=1)=0.

หรือโดยทั่วไปให้ใช้การแจกแจงและๆ ที่ทำให้สำหรับทั้งหมด(เช่นการกระจายข้อต่อที่เป็น สมมาตรรอบแกน ) และคุณจะมีค่าความแปรปรวนร่วมเป็นศูนย์เสมอ แต่คุณจะไม่มีอิสระเมื่อใดก็ตามที่ ; กล่าวคือเงื่อนไขไม่ได้ทั้งหมดเท่ากับส่วนเพิ่ม หรือเหมือนกันสำหรับสมมาตรรอบแกนP(X)P(Y|X)P(Y=a|X)=P(Y=a|X)XxP(Y|X)P(Y)y


32

นี่คือตัวอย่างที่ฉันให้กับนักเรียนเสมอ รับตัวแปรสุ่มด้วย และเช่นตัวแปรสุ่มปกติที่มีค่าเฉลี่ยเป็นศูนย์ ใช้ 2 เป็นที่ชัดเจนว่าและมีความเกี่ยวข้อง แต่XEX=0EX3=0Y=X2XY

cov(X,Y)=EXYEXEY=EX3=0.

ฉันชอบตัวอย่างนั้นด้วย ในบางกรณีจะไม่มีการแบ่งแยก N (0,1) rv และ chi2 (1) rv
ocram

3
+1 แต่ในฐานะ nitpick เล็กน้อยคุณต้องสมมติว่าแยกกัน (มันไม่ได้เป็นไปตามสมมติฐานของการกระจายแบบสมมาตรหรือจาก ) ดังนั้นเราจึงไม่ 't มีปัญหาเช่นการทำงานออกมาเป็นในรูปแบบ\ และผมไม่สบายใจเกี่ยวกับ @ ocram ของยืนยันว่า " N (0,1) RV และchi2 (1) RV มี uncorrelated." (เน้นเพิ่ม) ใช่และมี uncorrelated แต่ไม่ใด ๆและตัวแปรสุ่ม . E[X3]=0E[X]=0E[X3]XN(0,1)X2χ2(1) N(0,1)χ2(1)
Dilip Sarwate

@DilipSarwate ขอบคุณฉันได้แก้ไขคำตอบของฉันแล้ว เมื่อฉันเขียนมันฉันคิดว่าเกี่ยวกับตัวแปรปกติสำหรับพวกเขาศูนย์ช่วงเวลาที่สามตามมาจากค่าเฉลี่ยศูนย์
mpiktas

19

รูปภาพด้านล่าง (ซอร์สWikipedia ) มีตัวอย่างจำนวนหนึ่งในแถวที่สามโดยเฉพาะตัวอย่างแรกและตัวที่สี่มีความสัมพันธ์แบบพึ่งพาที่แข็งแกร่ง แต่ความสัมพันธ์ 0 (และ 0 ความแปรปรวนร่วม)

ป้อนคำอธิบายรูปภาพที่นี่


15

ตัวอย่างอื่น ๆ ลองพิจารณาดาต้าพอยน์ที่เป็นวงกลมหรือวงรีความแปรปรวนร่วมเป็น 0 แต่เมื่อรู้ค่า x คุณจะ จำกัด ค่า y เป็น 2 หรือข้อมูลในรูปสี่เหลี่ยมจัตุรัสหรือสี่เหลี่ยมผืนผ้า ข้อมูลที่มีรูปแบบ X หรือ V หรือ ^ หรือ <หรือ> ทั้งหมดจะให้ความแปรปรวนร่วม 0 แต่ไม่อิสระ ถ้า y = sin (x) (หรือ cos) และ x ครอบคลุมจำนวนเต็มหลายช่วงเวลา cov จะเท่ากับ 0 แต่รู้ว่าคุณรู้จัก x คุณรู้ y หรืออย่างน้อย | y | ในรูปวงรี, x, <และ>


1
ถ้าหากเป็น "ถ้า x ครอบคลุมจำนวนเต็มหลายช่วงเวลาเริ่มต้นที่จุดสูงสุดหรือรางน้ำ" หรือมากกว่าโดยทั่วไป: "ถ้า x ครอบคลุมช่วงเวลาที่ y มีความสมมาตร"
naught101
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.