2.9 Некоррелированность случайных величин
Замечание 2.8
Соотношение между независимостью и некоррелированностью
случайных величин можно записать в виде следущей диаграммы:
Прямая импликация была установлена нами в Следствии 2.1. Пример некоррелированных, но зависимых случайных величин будет приведен позже, в 4.4. Таким образом, если ковариация отлична от нуля, то это свидетельствует о зависимости случайных величин. Для того, чтобы иметь количественный показатель того, насколько сильно зависят друг от друга случайные величины, часто используют коэффициент корреляции: Более того, из этого неравенства вытекает, что если , то случайные величины и линейно зависимы:
Замечание 2.9
Линейная зависимость случайных величин и или, что то же самое, их коллинеарность являются частным случаем их функциональной зависимости, то есть зависимости вида , где -- некоторая (необязательно линейная) функция двух вещественных переменных. Из вышесказанного следует, что коэффициент корреляции хорошо отражает степень линейной зависимости между случайными величинами. Вместе с тем, позже мы покажем, что коэффициент корреляции может быть совершенно ``нечувствителен'' к функциональной зависимости (см. Замечание 4.2).
Следствие 2.2
Если
независимы, то
Вытекает из п. 3) Предложения 2.2 и Следствия 2.1.
Пример 2.7
Рассмотрим вероятностное пространство
, определенное формулами (2) и (3),
соответствующее последовательности из независимых испытаний Бернулли.
Введем случайные величины:
| ||||||||||||||||||||||
А.Д. Манита, 2001-2011 |