1、描述对象不同
独立描述的对象是事件，涉及的是A，B是两事件；不相关描述的对象是随机变量，涉及的是随机变量 X 和 Y 。
2、判断条件不同
独立的判断条件是概率，如果满足等式 p(AB)=P(A)P(B)，则事件相互独立；不相关的判断条件是相关系数，如果随机变量 X 和 Y 的相关系数为0，则X和Y 不相关。
扩展资料：
概率论中的不相关是指两个随机变量线性不相关，换言之，可能存在其他的关系；而独立是指两个随机变量之间没有任何一点关系。也就是说，独立一定不相关，而不相关不一定独立。
两个变量是不是相关变量需要用相关系数r来判定，相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。
若n(n≥2)个随机变量相互独立，则其中任意m(2≤m≤n)个随机变量也相互独立，与各随机变量相联系的任意n个事件也相互独立。
参考资料来源：百度百科-不相关随机变量
两个随机变量如果相互独立，则这两个随机变量一定是不相关的；
两个不相关的随机变量，不一定是相互独立的。本回答被提问者和网友采纳
1、描述对象不同
独立描述的对象是事件，涉及的是A，B是两事件；不相关描述的对象是随机变量，涉及的是随机变量 X 和 Y 。
2、判断条件不同
独立的判断条件是概率，如果满足等式 p(AB)=P(A)P(B)，则事件相互独立；不相关的判断条件是相关系数，如果随机变量 X 和 Y 的相关系数为0，则X和Y 不相关。
扩展资料：
概率论中的不相关是指两个随机变量线性不相关，换言之，可能存在其他的关系；而独立是指两个随机变量之间没有任何一点关系。也就是说，独立一定不相关，而不相关不一定独立。
两个变量是不是相关变量需要用相关系数r来判定，相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。
若n(n≥2)个随机变量相互独立，则其中任意m(2≤m≤n)个随机变量也相互独立，与各随机变量相联系的任意n个事件也相互独立。
参考资料来源：百度百科-不相关随机变量
不相关与独立的区别
