Después de una aclaración de la OP, parece que a) suponemos que las dos variables siguen conjuntamente una normal bivariada yb) nuestro interés está en la distribución condicional, que es entonces
Ynorte∣Xnorte= x ∼ N (μy+σyσXρnorte( x -μX) ,( 1 -ρ2norte)σ2y)
Entonces vemos eso como n → ∞, tenemos ρnorte→ 1, y la varianza de la distribución condicional va a cero. Intuitivamente, si la correlación va a la unidad, "sabiendoX"es suficiente para" saber y" además.
Pero en ninguna parte de lo anterior obtenemos eso Cov (Ynorte,Xnorte)es cero Incluso en el límite, la covarianza seguirá siendo igual aCov (Ynorte,Xnorte) →σyσX.
Tenga en cuenta que la covarianza condicional (y luego también la correlación condicional) siempre es cero, porque,
Cov (Ynorte,Xnorte∣Xnorte= x ) = E(YnorteXnorte∣Xnorte= x ) - E( Y∣Xnorte= x ) E( X∣Xnorte=x )
= x E(Ynorte∣Xnorte= x ) - x E(Y∣Xnorte= x ) = 0
Esto sucede porque al examinar Xnorte= x Hemos convertido una de las variables aleatorias en una constante, y las constantes no varían conjuntamente con nada.