如何在[r]中的两个逆累积概率分布之间建立相关性？

我想创建一个相关的反向累积分布。例如，目前我有两个逆分布，如下所示，但我想导出一个关联，比如说-0.5。有什么办法可以做到这一点吗

library(lognorm)
library(dplyr)

Var_a <- tbl_df(qlnorm(runif(1000), meanlog = 0.0326, sdlog = 0.0288))
var_b <- tbl_df(qlnorm(runif(1000), meanlog = 0.0452, sdlog = 0.0364))

cor(Var_a, var_b)

图书馆（lognorm）
图书馆（dplyr）
Var_a以下内容对您有用吗

set.seed(100)
x1 <- rnorm(1000)
y1 <- rnorm(1000) - .6 * x1

x2 = pnorm(x1)
y2 = pnorm(y1)

cor(cbind(x2, y2))
#            x2         y2
# x2  1.0000000 -0.4995593
# y2 -0.4995593  1.0000000

Var_a <- tbl_df(qlnorm(x2, meanlog = 0.0326, sdlog = 0.0288))
var_b <- tbl_df(qlnorm(y2, meanlog = 0.0452, sdlog = 0.0364))

cor(Var_a, var_b)
#            value
# value -0.5239145

set.seed（100）
x1如果有15个变量具有相关矩阵
CC
，则可以使用高斯copula获得相关的均匀变量，使用
CC
的Cholesky分解，然后像上面所做的那样，使用指定的边缘反转这些变量。（，例如）

rv
是您的模拟变量，与所需的相关结构非常接近，您可以使用
cor（rv）
进行检查。谢谢，我有一个超过15个变量的列表，其中有一个相关矩阵，我希望模拟并保留相关性。我想这可能是NORTA（对任何事物都正常）方法的一个示例。你能解释一下你是如何决定用-0.6作为
y1
的偏移量的吗？所以你有15个变量，你希望它们都与-0.5相关？我不明白，你能解释一下吗？我选择了它，因为我想要0.5左右的值对不起，我确实有一个关联矩阵，用于我想要施加的这15个变量。我只是以两个变量和-0.5的相关性为例。我需要对这15个变量进行对数正态模拟，保持它们的相关性
library(MASS)
sigma <- matrix(.5, nrow = 15, ncol = 15) + diag(15)*.5  #your correlation matrix
sigma
vars <- mvrnorm(1000, mu = rep(0, 15), Sigma = sigma)
vars
cor(vars)
vars2 <- pnorm(vars)
cor(vars2)
#use each of these as variable in qlnorm

vars2 <- data.frame(vars2)
names(vars2)
vars2

vars2[paste("log_", 1:15)] <- lapply(vars2[, 1:15], function(x) {qlnorm(x, meanlog = 0.0326, sdlog = 0.0288)})
names(vars2)
vars2 <- vars2[, -c(1:15)]
cor(vars2)

nv <- NROW(CC)
num_samples <- 1000
A <- matrix(rnorm(num_samples * nv), ncol = nv)
U <- pnorm(A %*% chol(CC))

rv <- sapply(1:nv, function(i) qlnorm(U[,i], meanlog = means[i], sdlog = stdevs[i]))