Ninguna de las correlaciones siendo cero necesariamente le dice mucho sobre la otra, ya que 'ponderan' los datos, especialmente los datos extremos, de manera bastante diferente. Solo voy a jugar con muestras, pero podrían construirse ejemplos similares con distribuciones bivariadas / cópulas.
1. La correlación de Spearman 0 no implica la correlación de Pearson 0 :
Como se mencionó en la pregunta, hay ejemplos en los comentarios, pero la estructura básica es "construir un caso donde la correlación de Spearman sea 0, luego tomar un punto extremo y hacerlo más extremo sin cambiar la correlación de Spearman"
Los ejemplos en los comentarios lo cubren muy bien, pero solo voy a jugar con un ejemplo más 'aleatorio' aquí. Considere estos datos (en R), que por construcción tienen correlación de Spearman y Pearson 0:
x=c(0.660527211673069, 0.853446087136149, -0.00673848667511427,
-0.730570343152498, 0.0519171047989013, 0.00190761493801791,
-0.72628058443299, 2.4453231076856, -0.918072410495674, -0.364060229489348,
-0.520696233492491, 0.659907250608776)
y=c(-0.0214697990371976, 0.255615059485107, 1.10561181413232, 0.572216886959267,
-0.929089680725018, 0.530329993414123, -0.219422799586819, -0.425186120279194,
-0.848952532832652, 0.859700836483046, -0.00836246690850083,
1.43806947831794)
cor(x,y);cor(x,y,method="sp")
[1] 1.523681e-18
[1] 0
Ahora agregue 1000 a y [12] y reste 0.6 de x [9]; la correlación de Spearman no ha cambiado, pero la correlación de Pearson ahora es 0.1841:
ya=y
ya[12]=ya[12]+1000
xa=x
xa[9]=xa[9]-.6
cor(xa,ya);cor(xa,ya,method="sp")
[1] 0.1841168
[1] 0
(Si desea una gran importancia en esa correlación de Pearson, simplemente repita la muestra completa varias veces).
2. La correlación de Pearson 0 no implica la correlación de Spearman 0 :
Aquí hay dos ejemplos con correlación de Pearson cero pero correlación de Spearman distinta de cero (y, de nuevo, si desea una gran importancia en estas correlaciones de Spearman, simplemente repita la muestra completa varias veces).
Ejemplo 1:
x1=c(rep(-3.4566679074320789866,20),-2:5)
y1=x1*x1
cor(x1,y1);cor(x1,y1,method="spe")
[1] -8.007297e-17
[1] -0.3512699
Ejemplo 2
k=16.881943016134132
x2=c(-9:9,-k,k)
y2=c(-9:9,k,-k)
cor(x2,y2);cor(x2,y2,method="spe")
[1] -9.154471e-17
[1] 0.4805195
En este último ejemplo, la correlación de Spearman puede fortalecerse agregando más puntos en y = x mientras los dos puntos en la parte superior izquierda e inferior derecha son más extremos para mantener la correlación de Pearson en 0.