【两个正态分布随机变量】独立与相关的关系

已于 2023-03-06 13:43:56 修改
阅读量6.8k 收藏 5
点赞数 4
分类专栏： 机器学习 文章标签： 概率论 正态分布 独立 相关
于 2022-08-27 10:02:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-NC-SA 版权协议 (https://creativecommons.org/licenses/by-nc-sa/4.0/)，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41552508/article/details/126554607
版权

前言

如果你对这篇文章感兴趣，可以点击「【访客必读 - 指引页】一文囊括主页内所有高质量博客」，查看完整博客分类与对应链接。

独立一定不相关

X，Y 为两个独立的正态分布随机变量，则协方差 Cov ( X , Y ) = E [ X Y ] − E [ X ] E [ Y ] = 0 \text{Cov}(X,Y)=E[XY]-E[X]E[Y]=0 Cov(X,Y)=E[XY]−E[X]E[Y]=0，即不相关。

不相关不一定独立

资料参考：Normally distributed and uncorrelated does not imply independent

在这里插入图片描述
但是当 X，Y 满足联合分布为正态分布的要求时，X，Y 不相关等价于 X，Y 独立。（证明参考）

两个正态随机向量不相关就意味着这两个随机向量独立？
qq_44081205的博客
04-24 9230
看到标题，如果你的答案是“是”，那么请看官您耐着性子把这篇博文读完，希望在您看完之后，能对这个问题有一个新的认识。 随机向量 我们说随机向量X=[X1,X2,⋯ ,Xn]′{\bf X}=[X_1,X_2,\cdots,X_n]^{\prime}X=[X1​,X2​,⋯,Xn​]′，它其实是一个由n个随机变量组成的列向量。 其中，这个随机向量的每个元素都是一个随机变量，都有一个自己的分布，即所谓边...
正态分布及其性质
热门推荐
Angel_Yuaner的专栏
08-20 7万+
正态分布也称为高斯分布。客观世界中很多变量都服从或近似服从正态分布，且正态分布具有很好的数学性质，所以正态分布也是人们研究最多的分布之一。本文对正态分布的性质做归纳总结，方便日后查找。
标准差，方差，协方差，正态分布
最新发布
code旭的博客
03-05 1030
描述数据。
浙大概率第四版，证明正态分布随机变量不相关等价于独立
u013238941的专栏
04-23 2万+
证明命题： ∀满足正态分布的随机变量X，Y，有X，Y不相关⇔X,Y独立\forall 满足正态分布的随机变量X，Y，有X，Y不相关\Leftrightarrow X,Y独立∀满足正态分布的随机变量X，Y，有X，Y不相关⇔X,Y独立 如果X,YX,YX,Y独立，则必有X,YX,YX,Y不相关 因为X,YX,YX,Y独立，那么有E(XY)=E(X)E(Y)E(XY)=E(X)E(Y)E(XY)=E...
独立与不相关
qq_42578970的博客
05-24 8948
正态分布时独立一定不相关，不相关一定独立。 一般情况下，独立一定不相关，不相关不一定独立。 独立和不相关从字面上看都有“两个东西没关系”的意思.但两者是有区别的.相关性描述的是两个变量是否有线性关系,独立性描述的是两个变量是否有关系。 不相关表示两个变量没有线性关系,但还可以有其他关系,也就是不一定相互独立。 而相互独立，就是完全互不影响，A的结果对B没有影响或干扰 此外E(XY)=E(X)E(Y)的充要条件就是X和Y不相关 ...
标准正态分布_生成服从标准正态分布的随机数
weixin_39612653的博客
12-13 3523
在fft海面模拟中，需要生成服从标准生成分布的随机数（见：杨超：fft海面模拟(一)）。我们知道数构造服从目标分布的随机数发生器，一般是采用反函数法：对目标分布的CDF求反函数，则当其输入服从U(0,1)的随机数时，就返回服从目标分布的随机数。（参考pbrt第三版第13章第3节）。不过由于正态分布的CDF无法用初等函数表达，所以上面方法走不通，需另辟蹊径。通常使用称为Box-Muller转换（Bo...
正态分布，二项分布，泊松分布，协方差
温故而知新
06-10 1万+
1.正态分布若服从均值,方差分别为为 ，即服从，密度函数为，x为负无穷到正无穷图像如下图像中的曲线为密度函数，从负无穷到x的积分才是分布函数，即分布函数F(x)为密度函数的积分，F(x)为密度函数从负无穷到x的积分，2.二项分布在相同条件下重复做n次的试验称为n次独立重复试验，即n次独立的伯努利实验3.泊松分布（k=0,1,2,3...）4.协方差算法：Cov(x,y)=E(x-E(x))(y-E...
产生均匀分布、瑞利分布、正态分布随机变量序列
01-09
对于均值μ和标准差σ的正态分布，可以将两个独立的均匀分布随机数转换为正态分布： \[ Z = \mu + \sigma \cdot \sqrt{-2 \cdot \ln(U)} \cdot \sin(2\pi V) \] 其中U和V是[0,1]区间内的均匀分布随机数，Z则是正态...
不相关的正态分布随机变量也不一定就独立
qiongyu0422的专栏
11-04 1万+
素材主要来自英文维基百科词条Normally distributed and uncorrelated does not imply independent 我们直接举个例子吧。假设XXX服从正态分布，WWW是一个Rademacher distribution的随机变量，其取值在集合{1,−1}\{1,-1\}{1,−1}中，且概率均为1/2。令Y=WXY=WXY=WX。关于YYY的分布，我们有 ...
随机数个相互独立的随机变量之和的分布函数
10-06
当我们有随机数个相互独立的同分布随机变量X1, X2, ..., X_N时，它们的和Y=X1+X2+...+X_N的分布函数可以通过矩母函数来求解。由于每个Xi都与其它变量独立且同分布，因此它们的矩母函数相同，记为M_X(s)。随机变量N是...
高斯过程与正态分布随机变量分析
内容涉及到n维正态分布随机变量的概率密度函数计算，以及正态分布随机变量线性变换后的相关函数和二维概率密度的求解。此外，还提到了随机过程的基本概念，包括概率空间、样本函数和状态空间等，并通过抛硬币的例子...
高斯过程与正态分布随机变量的性质解析
第二题涉及到两个统计独立的正态分布随机变量ξ和η，它们有相同的均值和方差。题目要求求解新随机变量U = αξ + βη和V = αξ - βη之间的相关函数以及它们的二维概率密度。由于线性变换后，新变量U和V仍服从...
标准正态分布表_统计起源 第五讲：二人的分歧——样本均值分布与标准误
weixin_39759441的博客
12-13 1279
黑暗天才费歇尔本科的时候就在《生物统计》上发表了一篇短文(应当就是戈赛特递给卡尔.皮尔逊的那篇)，前面讲到，卡尔.皮尔逊的师父高尔顿提出了一个回归的概念，为了描述回归又搞出一个相关系数来。卡尔.皮尔逊就把这个相关系数的分布问题介绍给了黑暗天才费歇尔。这位老皮尔逊也许本来只是想用这个复杂的问题压一压天才的锐气，没想到我们的黑暗天才不到一周就搞定了。费歇尔在《生物统计》上投了稿，但是卡尔.皮尔逊却看不...
概率论复习——如何理解Cov(X,X)=D(X)
ruichuang2的博客
11-24 6219
X相比于E(X)的变化和Y相比于E(Y)的变化是否一致，即符号是否相同，最后去一个期望，得到整体X与Y之间的相关性。Cov(X,Y)>0表示X相比于均值E(X)的变化趋势和Y相比于E(Y)的变化趋势相似，X与Y正相关；照这样理解，那么Cov(X,X)应该也是衡量X与X之间的相关性。而且D(X)的值越大，说明正相关的程度越大，也就是一个X的变化非常剧烈，但是另一个X和它居然变化保持一致，说明他们之间的相关性很大。Cov(X,X)=D(X)也可以看作X与X之间的相关性，即正相关，因为。
概率论：相关性与独立性
Edward2022的博客
08-30 3万+
不相关：没有线性关系，ρ~XY~=Cov(X,Y)=E(XY)-E(X)E(Y)=0 独立：不存在任何函数关系
【数学】协方差介绍、相关系数介绍，Python代码
q742971636的博客
08-08 2201
协方差（Covariance）是统计学中用来衡量两个随机变量之间关系的一种度量。它反映了这两个变量的变化趋势是否一致，即当一个变量偏离其均值时，另一个变量是否也倾向于偏离其均值。协方差可以帮助我们了解变量之间的线性关系以及它们的相互变化情况。具体而言，对于两个随机变量 X 和 Y，它们的协方差记作 Cov(X, Y)，计算公式如下：然而，协方差的数值大小受到变量单位的影响，不易直接比较不同数据集之间的关系。
正态分布线性计算的方差推导（含协方差推导）
weixin_50348308的博客
05-11 2782
正态分布的线性加减计算，涉及到方差计算的推导，要深度了解里边不止是方差相加，还涉及到协方差的！！！尤其当两组数据是相关时，协方差是必然要计算进去的！
协方差矩阵
jacke121的专栏
11-12 6927
协方差矩阵
12月机器学习笔记——概率与参数估计
03-14 488
——12月机器学习笔记之概率统计与参数估计 1.期望 a.期望就是随机变量值与随机变量概率的乘积，由随机变量的分布可以分为离散型与连续型期望。 b.期望的性质： E(kX)=kE(X) E(X+Y)=E(X)+E(Y) c.关于独立：如果X与Y独立，E(XY)=E(X)*E(Y) d.思考题：从1,2,3，.....98,99,2015这100个数中任意选择若干个数（可能为0个数）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Gene_INNOCENT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值