题目
设随机变量X,Y服从二维正态分布,则X与Y独立是X与Y不相关的()A. 充分条件,但不是必要条件B. 必要条件,但不是充分条件C. 充分必要条件D. 无法确定
设随机变量X,Y服从二维正态分布,则X与Y独立是X与Y不相关的()
A. 充分条件,但不是必要条件
B. 必要条件,但不是充分条件
C. 充分必要条件
D. 无法确定
题目解答
答案
C. 充分必要条件
解析
本题考查二维正态分布中随机变量的独立性与不相关性之间的关系。解题思路是分别证明充分性和必要性。
充分性证明(若$X$与$Y$独立,则$X$与$Y$不相关)
- 首先明确不相关的定义:若随机变量$X$与$Y$不相关,则它们的协方差$Cov(X,Y)=0$。
- 协方差的计算公式为$Cov(X,Y)=E(XY)-E(X)E(Y)$。
- 已知$X$与$Y$独立,根据独立随机变量的性质:若$X$与$Y$独立,则$E(XY)=E(X)E(Y)$。
- 将$E(XY)=E(X)E(Y)$代入协方差公式$Cov(X,Y)=E(XY)-E(X)E(Y)$,可得$Cov(X,Y)=E(X)E(Y)-E(X)E(Y)=0$。
- 因为$Cov(X,Y)=0$,所以$X$与$Y$不相关,充分性得证。
必要性证明(若$X$与$Y$不相关,则$X$与$Y$独立)
- 已知$X$与$Y$服从二维正态分布,二维正态分布的联合概率密度函数为$f(x,y)=\frac{1}{2\pi\sigma_1\sigma_2\sqrt{1-\rho^2}}\exp\left\{-\frac{1}{2(1-\rho^2)}\left[\left(\frac{x-\mu_1}{\sigma_1}\right)^2 - 2\rho\left(\frac{x-\mu_1}{\sigma_1}\right)\left(\frac{y-\mu_2}{\sigma_2}\right)+\left(\frac{y-\mu_2}{\sigma_2}\right)^2\right]\right\}$,其中$\mu_1,\mu_2$分别是$X$和$Y$的均值,$\sigma_1,\sigma_2$分别是$X$和$Y$的标准差,$\rho$是$X$与$Y$的相关系数。
- 相关系数$\rho=\frac{Cov(X,Y)}{\sigma_1\sigma_2}$,因为$X$与$Y$不相关,所以$Cov(X,Y)=0$,则$\rho = 0$。
- 当$\rho = 0$时,二维正态分布的联合概率密度函数$f(x,y)=\frac{1}{2\pi\sigma_1\sigma_2}\exp\left\{-\frac{1}{2}\left[\left(\frac{x-\mu_1}{\sigma_1}\right)^2+\left(\frac{y-\mu_2}{\sigma_2}\right)^2\right]\right\}$。
- 而$X$的边缘概率密度函数$f_X(x)=\frac{1}{\sqrt{2\pi}\sigma_1}\exp\left\{-\frac{(x - \mu_1)^2}{2\sigma_1^2}\right\}$,$Y$的边缘概率密度函数$f_Y(y)=\frac{1}{\sqrt{2\pi}\sigma_2}\exp\left\{-\frac{(y - \mu_2)^2}{2\sigma_2^2}\right\}$。
- 此时$f(x,y)=f_X(x)f_Y(y)$,根据随机变量独立性的定义:若$f(x,y)=f_X(x)f_Y(y)$,则$X$与$Y$独立,必要性得证。
综上,在二维正态分布中,$X$与$Y$独立是$X$与$Y$不相关的充分必要条件。