J'espérais que quelqu'un pourrait proposer un argument expliquant pourquoi les variables aléatoires et , ayant la distribution normale standard, sont statistiquement indépendantes. La preuve de ce fait découle facilement de la technique MGF, mais je la trouve extrêmement contre-intuitive.Y 2 = X 1 + X 2 X i
J'apprécierais donc l'intuition ici, le cas échéant.
Merci d'avance.
EDIT : Les indices n'indiquent pas les statistiques de commande mais les observations IID de la distribution normale standard.
Réponses:
Il s'agit de données distribuées normales standard: notez que la distribution est symétrique circulaire.
Lorsque vous passez à et , vous faites pivoter et mettre à l'échelle efficacement l'axe, comme ceci: ce nouveau système de coordonnées a la même origine que l'original et l'axe est orthogonal. En raison de la symétrie circulaire, les variables sont toujours indépendantes dans le nouveau système de coordonnées.Y 2 = X 1 + X 2Oui1= X2- X1 Oui2= X1+ X2
la source
Le résultat fonctionne pour conjointement normal (ie avec corrélation, ), avec commun .- 1 < ρ < 1 σ( X1, X2) - 1 < ρ < 1 σ
Si vous connaissez quelques résultats de base, c'est à peu près tout ce dont vous avez besoin:
L'approche de dobiwan est essentiellement bonne - c'est juste que le résultat est plus général que le cas traité ici.
la source
Le résultat que vous prétendez être vrai n'est pas vrai en général, pas même dans le cas où tout ce que l'on sait est que et sont des variables aléatoires normales avec une variance identique, mais le résultat est valable pour l' interprétation habituelle de la condition que vous avez indiquée. plus tard:X 2X1 X2
L'interprétation habituelle des derniers mots de cette déclaration est, bien sûr, que et sont des variables aléatoires indépendantes (normales), et donc des variables aléatoires conjointement normales.X 2X1 X2
Que peut-on dire en général? Dans tout ce que je dis ci-dessous, gardez à l'esprit que et ont la même variance , quelles que soient les autres propriétés qui pourraient leur être attribuées.YX Oui
Si et sont des variables aléatoires (note: pas nécessairement normale) avec la variance identique, alors et sont décorrélés des variables aléatoires (qui est, ils ont zéro covariance). En effet, la fonction de covariance est bilinéaire : Ici, nous avons utilisé le fait que n'est que la varianceY X + Y X - Y cov ( X + Y , X - Y )X Oui X+ Y X- Oui cov(X,X)var(X)XYcov(Y,X)=cov(X,Y)XYXY
la source
La moyenne conditionnelle
(Mise en garde: je n'ai pas envisagé la possibilité que la moyenne conditionnelle n'existe pas.)
La moyenne conditionnelle constante implique une corrélation / covariance nulle
Indépendance
la source