生成相关数据用等级相关

步骤1。皮尔逊生成随机数。

从两个不同的皮尔逊分布,生成1000个随机数使用pearsrnd函数。第一个分布参数值μ等于0,σ1,斜等于1,峰度等于4。第二个分布参数值μ等于0,σ1,斜等于0.75,峰度等于3。

rng默认的%的再现性p1 = pearsrnd (0, 1, 1, 1000, 1);p2 = pearsrnd(0、1、0.75、3、1000年,1);

在这个阶段,p1和p2是独立样本各自皮尔逊分布,是互不相关的。

步骤2。绘制皮尔逊随机数。

创建一个scatterhist可视化皮尔逊随机数的阴谋。

图scatterhist (p1, p2)

直方图显示的边际分布p1和p2。散点图显示的联合分布p1和p2。散点图显示模式的缺乏p1和p2是独立的。

步骤3。使用高斯相关生成随机数。

使用copularnd生成1000相关随机数相关系数等于-0.8,使用高斯相关。创建一个scatterhist图来可视化生成的随机数的接合部。

u = copularnd (“高斯”,-0.8,1000);图scatterhist (u (: 1), (2):,)

直方图显示的数据在每一列介体有一个边际均匀分布。散点图显示两列中的数据是负相关的。

步骤4。接合部的随机数。

用斯皮尔曼等级相关,皮尔逊两个独立样本转换成相关数据。

使用排序函数排序接合部随机数从最小到最大,并返回一个向量指标描述的重新排列顺序的数字。

(s1, i1) = (u (: 1));(s2, i2) = (u (:, 2));

s1和s2从第一和第二列包含数字的连系动词,u,按照顺序从最小到最大。i1和i2索引向量描述元素的重新安排订单s1和s2。例如,如果第一个值的排序向量s1是第三个价值在原来的排序向量,那么第一个值的索引向量i1是3。

第5步。将皮尔森用斯皮尔曼等级相关的样本。

创建两个零的向量,x1和x2,同样的大小排序的相关向量,s1和s2。类型的值p1和p2从最小到最大。将值放入x1和x2指数的顺序相同i1和i2通过排序接合部随机数生成。

x1 = 0(大小(s1));x2 = 0(大小(s2));x1 (i1) = (p1);x2 (i2) = (p2);

步骤6。绘制皮尔逊相关随机数。

创建一个scatterhist阴谋可视化皮尔逊相关数据。

图scatterhist (x1, x2)

直方图显示的边际皮尔逊分布每一列的数据。散点图显示的联合分布p1和p2,表明数据现在负相关。

步骤7。确认斯皮尔曼等级相关系数值。

确认的斯皮尔曼等级相关系数是相同的接合部随机数和皮尔逊相关随机数。

copula_corr = corr (u,“类型”,“枪兵”)

copula_corr =2×21.0000 -0.7858 -0.7858 1.0000

pearson_corr = corr ((x1, x2),“类型”,“枪兵”)

pearson_corr =2×21.0000 -0.7858 -0.7858 1.0000

斯皮尔曼等级相关是相同的介体和皮尔森随机数。