Вероятность и статистика · объяснение и практика

Почему нулевая корреляция не исключает нелинейную зависимость

На конкретном симметричном наборе проверяем нулевую корреляцию Пирсона при точной квадратичной зависимости и объясняем различие линейной связи, независимости и причинности.

Рука ставит оранжевый столбик между двумя синими столбиками разной высоты.

В теме Связь признаков и регрессия · Учебная карта

Главная мысль

Нулевая корреляция Пирсона означает отсутствие измеряемой ею линейной связи, но не исключает нелинейную зависимость. Например, при симметричных x и y = x² положительные и отрицательные вклады могут компенсироваться.

Как зависимость скрывается в одном коэффициенте

Возьмём пять пар x = −2, −1,0,1,2 и y = 4,1,0,1,4. Значение y точно определяется по x формулой квадрата. Однако при движении слева к нулю y уменьшается, а справа от нуля возрастает. Одна прямая не описывает оба направления изменения, поэтому линейный показатель может дать ноль.

Среднее x равно 0, среднее y равно 2. Произведения отклонений по парам равны −4,+1,0, −1,+4. Их сумма 0, поэтому числитель корреляции Пирсона нулевой. Оба набора имеют ненулевой разброс, знаменатель положителен, и корреляция действительно 0. Это точный расчёт, а не результат округления маленького коэффициента.

Почему ноль не доказывает независимость

Если равновероятно выбрать одну из этих пяти пар, знание x = 0 гарантирует y = 0. Без знания x вероятность y = 0 лишь 1/5. Значит, условная информация о x меняет распределение y: независимости нет. Нулевая корреляция при этом сохраняется, потому что она проверяет более узкое свойство через произведения центрированных значений.

Независимость при конечных вторых моментах влечёт нулевую ковариацию, но обратное утверждение в общем случае неверно. Дополнительные специальные модели могут усиливать вывод, однако их нужно явно назвать. Нельзя переносить свойство одного семейства распределений на произвольные школьные таблицы только по значению r = 0.

Пример

Для трёх равновероятных пар (−1;1), (0;0), (1;1) определите, есть ли зависимость.

Да: второй компонент всегда равен квадрату первого. Линейные вклады симметрично компенсируются, но знание первого компонента определяет второй.

Как проверять данные перед интерпретацией

Постройте диаграмму рассеяния: дуга, окружность или несколько групп могут показать структуру, которую одно число скрывает. Параболический пример требует нелинейной модели или отдельного изучения участков. Делить данные на участки следует по содержательному основанию, а не бесконечно искать разбиение с удобным коэффициентом.

Если один столбец постоянен, корреляция не равна нулю по определению, а не определена из-за нулевого знаменателя. Очень сильная корреляция также не доказывает причинного влияния: возможны общий фактор, обратная связь или особенности отбора. Поэтому итоговый вывод должен назвать тип связи, форму данных и пределы модели. Формула Пирсона полезна для линейного аспекта, но не заменяет описание всего совместного распределения.

От чтения к действию

А теперь — вы

Пары образуют точную параболу y = x² с симметричными ненулевыми x. Корреляция Пирсона 0. Какой вывод допустим?

Частые вопросы

Постоянный столбец даёт корреляцию 0?

Обычная формула не определена, потому что стандартное отклонение этого столбца равно нулю.

Можно ли признать независимость только по r = 0?

В общем случае нет. Нелинейная зависимость может существовать при нулевой линейной корреляции.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться