Ders kitabımdan değerinin X ve Y'nin bağımsız olduğunu garanti etmediğini okudum . Fakat eğer bağımsızlarsa, kovaryansları 0 olmalıdır. Henüz herhangi bir uygun örnek düşünemedim; Biri bir tane sağlayabilir mi?
Ders kitabımdan değerinin X ve Y'nin bağımsız olduğunu garanti etmediğini okudum . Fakat eğer bağımsızlarsa, kovaryansları 0 olmalıdır. Henüz herhangi bir uygun örnek düşünemedim; Biri bir tane sağlayabilir mi?
Yanıtlar:
Kolay örnek: olasılık 0,5 ile veya olan rastgele bir değişken olmasına izin verin . Daha sonra izin rastgele bir şekilde, değişken ise , ve rasgele olan veya olasılık 0.5 eğer ile .- 1 + 1 Y Y = 0 X = - 1 Y - 1 + 1 X = 1
Açıkçası ve oldukça bağımlıdır ( bilmek beni mükemmel bir şekilde bilmeme izin verir ), ancak kovaryansları sıfırdır: İkisinin de sıfır ortalaması vardır veY Y X
Ya da daha genel olarak, herhangi bir dağıtım almak ve herhangi öyle ki herkes için yani ortak bir dağıtım (olduğunu ekseni etrafında simetrik ), ve her zaman sıfır kovaryansınız olur. Fakat ne zaman bağımsız olursunuz ; yani şartlı maddelerin tümü marjinal ile aynı değildir. Veya ekseni etrafındaki simetri için aynen .P ( Y | X ) P ( Y = a | X ) = P ( Y = - a | X ) X x P ( Y | X ) ≠ P ( Y ) y
İşte her zaman öğrencilere verdiğim örnek. ve ile rastgele bir değişkeni alın , örneğin sıfır ortalama ile normal rastgele değişken. Al . ve birbiriyle ilgili olduğu açık , amaE X = 0 E X 3 = 0 Y = X 2 X Y
Bazı diğer örnekler, bir daire veya elips oluşturan veri noktalarını göz önünde bulundurur, kovaryans 0'dır, ancak x'in y'yi 2 değere daraltdığını bilmek. Veya bir kare veya dikdörtgen veri. Ayrıca bir X veya V veya bir ^ veya <veya> oluşturan verilerin tümü kovaryansı 0 verecektir, ancak bağımsız değildir. Eğer y = sin (x) (veya cos) ve x, periyodik bir tamsayıyı kapsarsa, cov, 0'a eşit olacaktır, ama x'i bildiğinizi bilmek, y'yi veya en azından | y | elips, x, <ve> durumlarında.