Ненулевая корреляция подразумевает зависимость?


17

Мы знаем о том факте, что нулевая корреляция не означает независимость. Меня интересует, подразумевает ли ненулевая корреляция зависимость - то есть, если для некоторых случайных величин и , можем ли мы вообще сказать, что ?X Y f X , Y ( x , y ) ≠ f X ( x ) f Y ( y )Corr(X,Y)≠0XYfX,Y(x,y)≠fX(x)fY(y)

Ответы:


13

Да потому, что

Corr(X,Y)≠0⇒Cov(X,Y)≠0

⇒E(XY)−E(X)E(Y)≠0

⇒∫∫xyfX,Y(x,y)dxdy−∫xfX(x)dx∫yfY(y)dy≠0

⇒∫∫xyfX,Y(x,y)dxdy−∫∫xyfX(x)fY(y)dxdy≠0

⇒∫∫xy[fX,Y(x,y)−fX(x)fY(y)]dxdy≠0

что было бы невозможно, если . ТакfX,Y(x,y)−fX(x)fY(y)=0,∀{x,y}

Corr(X,Y)≠0⇒∃{x,y}:fX,Y(x,y)≠fX(x)fY(y)

Вопрос: что происходит со случайными переменными, у которых нет плотностей?


1
Алекос, у меня тупой вопрос. Что означает необычная стрелка, например, в строке 1? Я представляю что-то вроде «подразумевать», но я не уверен.
— Sycorax сообщает восстановить Monica

2
@ user777 Вы имеете в виду ? Действительно, это означает «подразумевает». ⇒
— Алекос Пападопулос

Причина, по которой стрелка импликации используется только в неформальном аргументе: является ли стрелка импликации левой или правой ассоциативной?
— Кастерма

\impliesпроизводит что выглядит лучше, чем производит . ⟹\rightarow⇒
— Dilip

14

Пусть и Y обозначают случайные величины, такие что E [ X 2 ] и E [ Y 2 ] конечны. Тогда E [ X Y ] , E [ X ] и E [ Y ] все конечны.XYE[X2]E[Y2]E[XY]E[X]E[Y]

Ограничивая наше внимание такими случайными переменными, пусть обозначает утверждение, что X и Y являются независимыми случайными величинами, а B - утверждение, что X и Y - некоррелированные случайные величины, то есть E [ X Y ] = E [ X ] E [ Y ] . Тогда мы знаем, что A подразумевает B , то есть независимые случайные величины являются некоррелированными случайными величинами. Действительно, одно определениеAXYBXYE[XY]=E[X]E[Y]ABнезависимых случайных величин состоит в том, что равно E [ g ( X ) ] E [ h ( Y ) ] для всех измеримых функций g ( ⋅ ) и h ( ⋅ ) ). Это, как правило , выражается как AE[g(X)h(Y)]E[g(X)]E[h(Y)]g(⋅)h(⋅) Но

A⟹B.
логически эквивалентна ¬ BA⟹B , то есть¬B⟹¬A

коррелированные случайные величины являются зависимыми случайными величинами.

Если , E [ X ] или E [ Y ] не являются конечными или не существуют, то невозможно сказать, являются ли X и Y некоррелированными или нет в классическом смысле некоррелированных случайных величин, являющихся который E [ X Y ] = E [ X ] E [ Y ] . Например, X и Y могут быть независимыми случайными величинами Коши (для которых среднее не существуетE[XY]E[X]E[Y]XYE[XY]=E[X]E[Y]XY). Являются ли они некоррелированными случайными величинами в классическом смысле?


3
Хорошая вещь об этом ответе состоит в том, что он применяется независимо от того, допускают ли рассматриваемые случайные переменные функцию плотности, в отличие от других ответов в этой теме. Это верно в связи с тем, что ожидания могут быть определены с помощью интегралов Стилтьеса с использованием CDF, без упоминания плотности.
— Ахфосс

1

Здесь чисто логическое доказательство. Если то обязательно ¬ B → ¬ A , так как оба они эквивалентны. Таким образом , если ¬ В то ¬ . Теперь замените А независимостью, а В - корреляцией.A→B¬B→¬A¬B¬AAB

Подумайте о высказывании «если извержение вулкана повлечет за собой ущерб». Теперь подумайте о случае, когда нет повреждений. Ясно, что вулкан не извергался, или у нас было бы противоречие.

Точно так же, подумайте о случае «Если независимы , то некоррелированные X , Y ». Теперь рассмотрим случай, когда X , Y коррелированы. Очевидно, что они не могут быть независимыми, потому что если бы они были, они также были бы коррелированы. Таким образом, заключаем зависимость.X,YX,YX,Y


Если вы будете внимательно прочитать мой ответ, вы увидите , что я тоже использовал аргумент , что вы сделали в своем ответе, а именно , что такой же, как ≠ BA⟹B . ≠B⟹¬A
— Дилип

@DilipSarwate Отредактировано, чтобы отразить это.
— Тони
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.