De acuerdo con @whuber la respuesta publicada aquí, la distribución esférica es visto como
$$ \left( Y_1 = \frac{X_1}{\sqrt{X_1^2+...+X_n^2}}, ... , Y_n = \frac{X_n}{\sqrt{X_1^2+...+X_n^2}}\right)$$
donde todos los $X_i$ son independientes de Gauss $(0,1)$.
Si $(Y_1, ..., Y_i, ... Y_n)$ es uniforme en la unidad de la esfera, entonces también lo es $(Y_1, ..., -Y_i, ... Y_n)$, por lo que tienen la misma distribución. En particular esto implica que $E(Y_i)=-E(Y_i)$ y también que $E(Y_iY_j) = - E(Y_iY_j)$ todos los $j \neq i$. Por lo tanto, los medios y los términos de covarianza son iguales a 0, como menciona @whuber en los comentarios.
Para la varianza, aviso que
$$E \left( Y_1^2 \right) + ... + E \left( Y_n^2 \right) =
E \left( Y_1^2 + ... + Y_n^2 \right) = 1.$$
Por razones de simetría, el$Y_i$, obviamente, son intercambiables (pero no independientes), por lo que el $E \left( Y_1^2 \right) = ... = E \left( Y_n^2 \right)$ y por lo tanto cada uno de ellos es igual a $1/n$.
Im resumen, la varianza de los términos son iguales a $1/n$ y los términos de covarianza son iguales a $0$, por lo que la matriz de covarianza es $\frac{1}{n} \mathbf{I}$. Este es un gran ejemplo de correlación de las variables dependientes (por ejemplo, si $Y_1 = 1$, a continuación, todos los demás valores tienen que ser $0$).