indépendance et conditionnement
dans Statistiques
Bonsoir,
Quelque chose m'échappe:
Lorsque je considère un vecteur bidimensionnelle gaussien $(X,Y)$ dont la covariance est nulle (indépendance) on a une forme de cloche bien symétrique:
https://upload.wikimedia.org/wikipedia/commons/thumb/5/57/Multivariate_Gaussian.png/220px-Multivariate_Gaussian.png
Du coup je devrais avoir la relation suivante: $f_{Y|X=x}(y)=f_Y(y), \forall x,y$ or si l'on visualise une section en un $x$ donné de la cloche il semble que selon la section $x$ considérée on obtient pas la même courbe (qui devrait être égale à $f_Y$) est ce due à l'effet de renormalisation par $f_X(x)$ ?
Quelque chose m'échappe:
Lorsque je considère un vecteur bidimensionnelle gaussien $(X,Y)$ dont la covariance est nulle (indépendance) on a une forme de cloche bien symétrique:
https://upload.wikimedia.org/wikipedia/commons/thumb/5/57/Multivariate_Gaussian.png/220px-Multivariate_Gaussian.png
Du coup je devrais avoir la relation suivante: $f_{Y|X=x}(y)=f_Y(y), \forall x,y$ or si l'on visualise une section en un $x$ donné de la cloche il semble que selon la section $x$ considérée on obtient pas la même courbe (qui devrait être égale à $f_Y$) est ce due à l'effet de renormalisation par $f_X(x)$ ?
Connectez-vous ou Inscrivez-vous pour répondre.
Réponses