प्रत्येक परीक्षण में सफलता के एन परीक्षणों और संभाव्यता पी के साथ एक द्विपक्षीय चर को एन 12 बर्नौली परीक्षणों के योग के रूप में देखा जा सकता है जिनमें प्रत्येक की सफलता की संभावना पी भी होती है।
इसी प्रकार, आप द्वारा सहसंबंधित बिनोमियल चर के जोड़े का निर्माण कर सकते हैं जो वांछित सहसंबंध वाले बर्नौली चर के जोड़ों को जोड़ते हैं।
require(bindata)
# Parameters of joint distribution
size <- 20
p1 <- 0.5
p2 <- 0.3
rho<- 0.2
# Create one pair of correlated binomial values
trials <- rmvbin(size, c(p1,p2), bincorr=(1-rho)*diag(2)+rho)
colSums(trials)
# A function to create n correlated pairs
rmvBinomial <- function(n, size, p1, p2, rho) {
X <- replicate(n, {
colSums(rmvbin(size, c(p1,p2), bincorr=(1-rho)*diag(2)+rho))
})
t(X)
}
# Try it out, creating 1000 pairs
X <- rmvBinomial(1000, size=size, p1=p1, p2=p2, rho=rho)
# cor(X[,1], X[,2])
# [1] 0.1935928 # (In ~8 trials, sample correlations ranged between 0.15 & 0.25)
यह नोट करना कई अलग अलग संयुक्त वितरण कि साझा वांछित सहसंबंध गुणांक देखते हैं कि महत्वपूर्ण है। rmvBinomial()
में सिमुलेशन विधि उनमें से एक उत्पन्न करती है, लेकिन यह उचित है या नहीं, यह उस प्रक्रिया पर निर्भर करेगा जो आपको डेटा उत्पन्न कर रहा है।
एक समान प्रश्न (जो तब पर चला जाता है और अधिक विस्तार से विचार की व्याख्या) के लिए this R-help answer में बताया गया है:
जबकि एक द्विचर सामान्य (दिए गए साधनों और प्रसरण) विशिष्ट सहसंबंध गुणांक द्वारा परिभाषित किया गया है , यह एक द्विचर द्विपद
स्रोत
2012-05-10 17:42:21
आप पैकेज 'बिंदता' का उपयोग कर सकते हैं, जैसा कि यहां अच्छी तरह से डेमो किया गया है: https://stat.ethz.ch/pipermail/r-help/2007-July/135575.html। (वह लिंक 'आर अनुकरण सहसंबंधित बिनोमियल चर' के लिए Google खोज द्वारा लौटाए गए पहले पृष्ठ पर था ...) –
धन्यवाद जोश, लेकिन मुझे द्विपदीय डेटा की आवश्यकता नहीं है! – Arnaud
@ अर्नुद - मुझे आज सुबह कैफीन या उत्तेजक नहीं मिला है, लेकिन एक द्विपक्षीय वितरण एक अलग वितरण नहीं है जहां केवल स्वीकार्य मान "हां/नहीं", "पास/असफल", "सत्य/गलत ", दूसरे शब्दों में बाइनरी? यही वही है [विकिपीडिया भी सोचने लगता है।] (Http://en.wikipedia.org/wiki/Binomial_distribution) – Chase