Discussion :

[NEINE2011]

Bonjour,

je vais faire une simulation de données de 25 individus de binormal corrélé de 1.
Le problème avec R, il simule des données corrélées de 0.2 à 0.3, et moi je veux une data corrélée à 1 (ou bien 0.9).
Merci par avance de m'aider si vous avez des idées pour résoudre ce problème (même avec d'autre logiciel).

Le code R utilisé est:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
mean1 <- -0.5
mean2 <- -0.5
var1 <- 0.25
var2 <- 0.25
covariance = correlation*var1*var2
sigma <- matrix(data=c(var1,covariance,covariance,var2),ncol=2)
valeur_propre <- eigen(sigma)
if (valeur_propre$values[1] > 0 & valeur_propre$values[2] > 0){
	x <- rmvnorm(n=nb_studies, mean=c(mean1,mean2), sigma=sigma)
}

[A. D.]

Bonjour,

Dans quel package peut-on trouver la fonction "rmvnorm" que vous utilisez?
J'ai vu que le package "dae" avait une fonction de ce nom mais il ne me semble pas qu'elle admette de paramètre "sigma"...

Sinon pour info, lorsque vous mettez du code dans un message sur le forum, merci de le mettre entre "balises code" (symbole "dièse" dans la barre de personnalisation des messages). De plus, attention si possible à l'orthographe.

Bonne continuation


Cordialement,

A.D.

[arm3366]

essaie ça

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
library(mvtnorm)
 
var <- 0.25
moy <- 0.5
X1 <- rnorm(20, mean=moy, sd=sqrt(var))
X2 <- rnorm(20, mean=moy, sd=sqrt(var))
covariance <- cov(X1,X2)
Msigma <- matrix(data=c(var,covariance,covariance,var), byrow=TRUE,ncol=2)
valeur_propre <- eigen(sigma)
 
 
y <- rmvnorm(n=100, mean=c(moy,moy),sigma=Msigma)
 
plot(y)

[arm3366]

ou tu regardes ceci http://semtools.r-forge.r-project.org/sim.R

Bon courage

[NEINE2011]

ou tu regardes ceci http://semtools.r-forge.r-project.org/sim.R

Bon courage

Merci beaucoup!!!

Le problème est avec la fonction (rmvnorm) de R, elle sous-estime la corrélation.
Sinon, j'ai trouvé une solution consistant à simuler avec des variables uniformes et construire des vecteurs gaussiens.

Merci.