搞懂为什么协方差Cov(X,Y)为0时，不能推出X,Y相互独立。

于 2023-03-10 21:03:30 发布
阅读量8.4k 收藏 4
点赞数 6
分类专栏： 数学知识 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/white_night_SZTU/article/details/129452791
版权
文章探讨了协方差为零并不意味着变量X和Y相互独立的情况。通过单位圆的例子说明，尽管X和Y的线性相关系数为0，即它们非线性相关，但它们并不相互独立，因为X的改变会相应地引起Y的改变，两者的平方和恒为1。这展示了一种非独立但协方差为零的特殊情形。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

课本上给的求协方差公式Cov(X,Y)=E(XY)-E(X)E(Y)。此时，当X，Y相互独立时，我们还可以得到Cov(X,Y)=E(XY)-E(X)E(Y)=0。

但为什么反过来就不能推出X，Y相互独立呢？这里我们以单位圆举例，假设X，Y都分布在圆上。

它们呈线性关系吗？明显不是。由于x^2+y^2=1，两者不是线性相关的，我们可得x和y的线性相关系数为0，同时还可以得到它们的协方差Cov(X,Y)=0。（由相关系数的定义的来）

但它们相互独立吗？随着X的变化Y也在不断变化，X增大Y就减小，X减小Y就增大，两者各自平方后相加和为1。很明显两者不相互独立。

此时X，Y不相互独立，但它们的协方差和相关系数都为0。

概论_第4章__协方差Cov(X)的定义和性质___相关系数的定义和性质
华工的专栏
12-13 1万+
协方差， 应用于二维随机变量
机器学习_协方差
m0_38034312的博客
10-11 6425
1.协方差为0，可以说明两变量不相关，但不能说明两变量独立。 2.而两变量独立 可以说明不相关 3.理解一下： 【1】独立是指两变量相互之间没有任何关系 【2】而相关是一个统计学概念，存在某些关系，正正好好，协方差为0。但他们之间确实是有关系的，即不独立               例：让X 在[-1,1]上均匀分布。 Y=X^2                  X,Y显然不独立，但
协方差意味着什么_“零”到底意味着什么？
weixin_26746401的博客
08-20 5319
协方差意味着什么When I was an undergraduate student studying Data Science, one of my professors always asked the same question for every data set we worked with — “What does zero mean?” 当我是一名研究数据科学的本科生时，我的一位教...
终于明白协方差的意义了
热门推荐
northeastsqure的专栏
12-03 8万+
协方差代表了两个变量之间的是否同时偏离均值。   如果正相关，这个计算公式，每个样本对（Xi, Yi）,　每个求和项大部分都是正数，即两个同方向偏离各自均值，而不同时偏离的也有，但是少，这样当样本多时，总和结果为正。下面这个图就很直观。下面转载自：http://blog.csdn.net/wuhzossibility/article/details/8087863 在概率论中，两
协方差
studyvcmfc的专栏
02-15 1958
协方差 编辑 本词条由“科普中国”科学百科词条编写与应用工作项目审核 。 协方差（Covariance）在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。 协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两..
协方差直观理解
Chinge
05-24 1242
协方差其意义： 度量各个维度偏离其均值的程度。协方差的值如果为正值，则说明两者是正相关的(从协方差可以引出“相关系数”的定义)，结果为负值就说明负相关的，如果为0，也是就是统计上说的“相互独立”。 如果正相关，这个计算公式，每个样本对（Xi, Yi）,　每个求和项大部分都是正数，即两个同方向偏离各自均值，而不同时偏离的也有，但是少，这样当样本多时，总和结果为正。下面这个图就很直观。下面转载自：ht...
协方差 的直观理解
weixin_30888707的博客
01-05 1923
1.协方差 方差是描述自身偏离其均值的程度。 协方差用来描述两个变量间的变化关系,协方差用来度量两个随机变量关系的统计量 \[ cov(X,Y)=E[(X-E[X])(Y-E[Y])] \] \[ cov(X,Y)=E[(X-μ_x)(Y-μ_y)] \] E[x] 代表期望，一般置X的均值 公式：如果有X,Y两个变量，每个时刻的“X值与其均值之差”乘以“Y值与其均值之差”得到一个乘积，再对这每...
设随机变量X与Y的协方差Cov(X,Y)=0.5, D(X)=1, D(Y)=2, 则Cov(2X,X-Y)的值为()
05-17
我们可以使用协方差的基本性质：$Cov(aX+bY, cW+dZ)=acCov(X,W)+adCov(X,Z)+bcCov(Y,W)+bdCov(Y,Z)$。 首先，我们需要计算出 $Cov(X, Y)$ 和 $Cov(X, X-Y)$： ...因此，$Cov(2X, X-Y)$ 的值为0。
设二维随机变量(X,Y)的联合概率密度为当0＜x＜2，0＜y＜2时f(x，y)=1/8(x+y)。当为其他范围时f(x，y)=0(1)求数学期望E(X)及E(Y)(2)求方差D(X)及D(Y)(3)求协方差cov(X,Y)及相关系数R(X,Y)
最新发布
06-08
(3) 求协方差cov(X,Y)及相关系数R(X,Y)： cov(X,Y) = E(XY) - E(X)E(Y) E(XY) = ∫∫xy f(x,y) dxdy，在0<x, 0<y的区域内： E(XY) = ∫∫xy f(x,y) dxdy = ∫0^2∫0^2 xy * (1/8(x+y))dxdy 对x积分，得： E(XY)...
matlab代码:根据由问题 1 所产生的数据分别计算 X 和 Y 的方差 D(X)和 D(Y)，以及协方差 Cov(X,Y)。 利用上述信息计算 X 和 Y 的相关系数。
04-04
其中，Cov_xy是一个2x2的矩阵，第一行第一列表示X和X的协方差，第一行第二列表示X和Y的协方差，第二行第一列表示Y和X的协方差，第二行第二列表示Y和Y的协方差。因此，要取得X和Y的协方差，需要取Cov_xy的第一行第二...
Autocovariance:使用 var 和 cov 函数计算两列向量的自协方差。-matlab开发
06-01
autocov 使用从 0 到 N-2 的快速傅立叶变换算法计算具有相同长度 N 的两个列向量 X 和 Y 之间的自协方差。 由此产生的自协方差列向量 acv 由以下公式给出： acv(p,1) = 1/(Np) * \sum_{i=1}^{N}(X_{i} - X_bar) * ...
概率论总结（三）：协方差和相关
qq_29700227的博客
05-18 7038
协方差和相关 本节介绍如何量化两个随机变量之间关系的大小和方向。 协方差 X 和 Y 的协方差记为cov(X,Y) ,其定义如下： cov(X,Y)=E[(X-E[X])(Y-E[Y])] 当Cov(X,Y)=0 时, 我们说 X 和 Y 是不相关的。一个正或者负的协方差表示在一个试验中的(X-E[X])和(Y-E[Y])的值“趋向”有相同或者相反的符号。因此，协方差的符号提供了 X 和Y 之间关系的重要定量指标。 协方差的另一种表达为： cov(X,Y)=E[XY]-E[X]E[Y] 性质 对任意的随机变
协方差的意义
每一天为明天@liitokala
10-18 3万+
协方差的意义 转载于：http://bbs.mathchina.com/cgi-bin/topic.cgi?forum=5&topic=14444（感谢原作者）  在概率论中，两个随机变量 X 与 Y 之间相互关系，大致有下列3种情况： 当 X, Y 的联合分布像上图那样时，我们可以看出，大致上有： X 越大  Y 也越大， X 越小  Y 也越小，这种情况，我们称为“正
不独立 ≠ 不相关 (Independent ≠ Uncorrelated)
迷雾总会解
11-21 1万+
独立一定不相关，不相关不一定独立
概率论的学习和整理13--方差和协方差（未完成）
奔跑的犀牛先生
08-30 5749
方差，协方差
我是这样学统计学的，开篇
focus on security
05-12 1376
均值 均值是表示一组数据集中趋势的数量，指在一组数据中所有数据之和再除以这组数据的个数。是反映数据集中趋势的一项指标。 在统计工作中，均值和标准差是描述数据资料集中趋势和离散程度的两个最重要的度量值。 均值包括：算术平均值、几何平均值、调和平均值、加权平均值、平方平均值、指数平均值、中位数。 算术平均值机算公式如下，其他均值略： 方差 方差是各变量值与其均值离差平方的平均数，它是测算数值型数据离散程度的最重要的方法。 方差的单位是样本数据单位的平方。 如果数据的单位是米，方差的单位.
[统计学理论基础] 协方差与相关系数
memory专栏
05-27 3882
协方差 二维随机变量（X，Y），X与Y之间的协方差定义为： Cov(X,Y)=E{[X-E(X)][Y-E(Y)]} 其中：E(X)为分量X的期望，E(Y)为分量Y的期望 协方差Cov(X,Y)是描述随机变量相互关联程度的一个特征数，协方差代表了两个变量之间的是否同时偏离均值。 从协方差的定义可以看出，它是X的偏差【X-E(X)】与Y的偏差【Y-E(Y)】的乘积的数学期望。由于偏差可正可...
概率论与数理统计--独立和不相关
披风秃头侠的博客
05-11 4144
独立和互斥的区别在此省略，比较好理解。 首先我们看协方差的定义: 　　　　　　　　　　　　Cov(X, Y) = E{[X - E(X)][Y - E(Y)]}. 协方差的性质有: 　　　　　　　　　　　　Cov(X, Y) = Cov(Y, X) 　　　　　　　　　　　　Cov(aX+b, cY+d) = acCov(X, Y) 　　　　　　　　　　　　Cov(X1+X2, Y) = Cov(X1,Y) + Cov(X2,Y) 　　　　　　　　　　　　Cov(X, Y) = E(...
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
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