首先,概率中的相关性指的是线性相关,(见《概率论与数理统计》盛骤 中“协方差与相关系数”一节)。
其次,概率中的(线性)相关性与独立性是不等价的,独立=》不(线性)相关;不(线性)相关=》独立。
其实很好理解,相关有线性相关和非线性相关,在非线性相关的情况下,变量之间仍有联系,因此不独立。
(1)独立=》不相关,很简单,如下:
(2)不线性相关的情况,两个变量也不独立,可以举个反例。
X 是在-2,-1,1,2上等可能取值的随机变量,即Pr(X=?)=1/4 for all ?,E(X)=0
Y=X^2,则Pr(Y=1)=1/2,Pr(Y=4)=1/2,E(Y)=5/2
XY=X^3的分布,是在-8,-1,1,8上等可能取值的随机变量,即Pr(XY=?)=1/4 for all ?,E(XY)=0
E(XY)-EXEY=0
X与Y是不(线性)相关。
但是显然他们不是独立的
Y=X^2,则Pr(Y=1)=1/2,Pr(Y=4)=1/2,E(Y)=5/2
XY=X^3的分布,是在-8,-1,1,8上等可能取值的随机变量,即Pr(XY=?)=1/4 for all ?,E(XY)=0
E(XY)-EXEY=0
X与Y是不(线性)相关。
但是显然他们不是独立的
当然,
在某些特殊的情况下,不相关可以推出独立,这时候不相关和独立等价
1. X,Y的联合分布服从二元高斯分布
2. X,Y都是两值随机变量(Bernoulli random variable)
2. X,Y都是两值随机变量(Bernoulli random variable)