Muito bom, Prof. Luiz Roberto!
Ficou muito didático dessa forma.
Éder Comunello
Researcher at Brazilian Agricultural Research Corporation (Embrapa)
DSc in Agricultural Systems Engineering (USP/Esalq)
MSc in Environ. Sciences (UEM), Agronomist
O erro está na definicao de Sigma, você fez os cálculos com variâncias
marginais igual a 1 e segundo o "enunciado" essas variâncias são bem
menores.
On 17/10/2016 17:05, Adriele Giaretta Biase via R-br wrote:
Olá pessoal,
tenho uma dúvida com relação à geração de variáveis aleatórias
Se você desejar entender o significado de correlação experimente:
n=1000
cor_x1x2=-0.2
medx1=0.0067
varx1=0.0017
sdx1=varx1^0.5
medx2=0.1374
varx2=0.0024
sdx2=varx2^0.5
cov_x1x2=-cor_x1x2*(sdx1*sdx2)
sda=(varx1-cov_x1x2)^0.5
sdb=(varx2-cov_x1x2)^0.5
a=rnorm(n,medx1,sda);var(a)
Adriele, boa tarde!
Tentei adaptar seu código R com base no que entendi do script em SAS. Veja
se pode ser útil...
###
library(MASS)
{
set.seed(1357)
n <- 1000 # tamanho da amostra gerada (N)
p <- 2 # numero de variáveis a serem geradas (K)
ME <- rep(1, p)
rho<- -0.2 #
Adriele,
Então não tem nada de errado com o R pois distribuição normal tem suporte
na reta real, no plano real, etc. Se você precisa impedir valores
negativos, que são característicos do dado, a normal não é o modelo para
isso, muito menos com uma média tão pequena. Você teria que usar outra
