概率论与数理统计中的独立(独立 独立同分布 不相关)

$$由均值方差的性质,Z=\frac{x-\mu }{\sqrt{{\sigma }^2}}，则E(z)=0,var(z)=1$$

关键词：独立 独立同分布 不相关

独立

$$\begin{gathered} P(A\ast B)=P(A)\ast P(B) \\ 二维：p_{ij}=p_{i\cdot }\ast p_{\cdot j} \end{gathered}$$
$(独立与相容：互不相融AB=\Phi )$

不相关

$$不相关性质：E（X,Y）=E(X)E(Y)$$

$$\begin{gathered} 相关与斜方差Cov： \\ {\rho }_{xy}=\frac{Cov(x,y)}{\sqrt{var(x)var(y)}} \\ \frac{\sum (x_t-\bar{x})(y_t-\bar{y})}{\sum (x_t-\bar{x}{)}^2\sum (y_t-\bar{y}{)}^2}=\frac{(\overrightarrow{x_t-\bar{x}})\cdot (\overrightarrow{y_t-\bar{y}})}{|\overrightarrow{x_t-\bar{x}}|\cdot |\overrightarrow{y_t-\bar{y}}|}去均值内积 \end{gathered}$$

性质(类比向量的点乘)：

$$\begin{gathered} （1）Cov(X，Y)=Cov(Y，X)； \\ （2）Cov(aX，bY)=abCov(X，Y)，（a，b是常数）； \\ （3）Cov(X1+X2，Y)=Cov(X1，Y)+Cov(X2，Y)。 \\ 所以有：Cov(X+Y,X-Y)=Cov(X,X)-Cov(Y,Y) \end{gathered}$$

计算（类比方差）：

$$\begin{gathered} Cov(X,Y)=E(XY)-E(X)E(Y) \\ D(X+Y)=D(X)+D(Y)+2Cov(X，Y) \\ D(X-Y)=D(X)+D(Y)-2Cov(X，Y) \end{gathered}$$

正交

$$正交性质：E（X,Y）=E(X)E(Y)=0$$
$$X,Y不相关+有一个均值为0=正交$$

$$例：X,Y服从单位圆内的均匀分布，不相关，不独立$$

独立同分布

大数定律-百度百科
中心极限定理-百度百科-独立同分布的中心极限定理