$E(XY)=E(X)E(Y)$是否成立？求该期望等式的证明方法

嘿，这个问题问得特别关键——其实E(XY) = E(X)E(Y)这个等式并不是在所有场景下都成立，它的核心成立前提是：随机变量X和Y是相互独立的。当然还有一种特殊情况：X和Y“不相关”时等式也成立，但独立是更强的条件，咱们一步步说清楚。

一、什么时候等式成立？ #

1. 核心前提：X与Y相互独立 #

如果两个随机变量X和Y满足独立性，即它们的联合概率分布可以拆分为各自边缘分布的乘积：

• 对离散型随机变量：P(X=x, Y=y) = P(X=x) * P(Y=y)，对所有x、y都成立
• 对连续型随机变量：f(X,Y) = f(X) * f(Y)，其中f是概率密度函数，对所有x、y都成立

此时E(XY) = E(X)E(Y)一定成立，下面给你两种类型的推导证明：

离散型随机变量的证明

根据期望的定义，联合期望E(XY)是所有可能的x*y乘以对应联合概率的总和：

E(XY) = Σ（所有x）Σ（所有y）[x * y * P(X=x, Y=y)]

因为X和Y独立，替换联合概率为边缘概率的乘积：

E(XY) = Σx Σy [x * y * P(X=x) * P(Y=y)]

我们可以把求和项拆成两个独立的求和：

E(XY) = [Σx x * P(X=x)] * [Σy y * P(Y=y)] = E(X) * E(Y)

这样就完成了离散情况的证明。

连续型随机变量的证明

同样基于期望定义，连续型的联合期望是二重积分：

E(XY) = ∫（-∞到+∞）∫（-∞到+∞）[x * y * f(X,Y) dx dy]

代入独立条件下的联合密度函数：

E(XY) = ∫∫ x*y*f(X)*f(Y) dx dy

拆分积分项为两个单变量积分的乘积：

E(XY) = [∫x*f(X) dx] * [∫y*f(Y) dy] = E(X) * E(Y)

连续情况的证明也完成了。

2. 特殊情况：X与Y不相关（但不独立） #

还有一种场景，即使X和Y不独立，E(XY) = E(X)E(Y)也可能成立——这时候我们称X和Y是不相关的。不相关的定义是协方差为0：

Cov(X,Y) = E(XY) - E(X)E(Y) = 0

举个例子：假设X服从标准正态分布X~N(0,1)，令Y=X²。此时：

• E(XY) = E(X³)，而标准正态分布的奇数阶矩都是0，所以E(XY)=0
• E(X)=0，E(Y)=E(X²)=1，所以E(X)E(Y)=0*1=0
  显然E(XY)=E(X)E(Y)成立，但X和Y明显不独立（Y完全由X决定）。

划重点：独立一定不相关，但不相关不一定独立。

二、什么时候等式不成立？ #

当X和Y不独立且相关时，等式就会失效。举个简单的例子：
假设X是掷一枚公平骰子的结果（取值1-6），令Y=X（完全依赖X）。计算一下：

• E(XY) = E(X²) = (1²+2²+3²+4²+5²+6²)/6 = 91/6 ≈15.17
• E(X) = (1+2+3+4+5+6)/6 = 3.5，所以E(X)E(Y)=3.5*3.5=12.25
  显然91/6 ≠ 12.25，等式不成立，这就是因为X和Y不独立且相关。

要是你还有关于独立、不相关或者期望性质的细节问题，随时再问～

内容的提问来源于stack exchange，提问作者Yaser