模拟R中多个响应的不协调效应
我想在R中模拟以下情况。设X为随机变量,取值{0,1,2}和Y,Z为任意连续分布的两个随机变量:模拟R中多个响应的不协调效应,r,simulation,pearson-correlation,R,Simulation,Pearson Correlation,我想在R中模拟以下情况。设X为随机变量,取值{0,1,2}和Y,Z为任意连续分布的两个随机变量: 如何生成X、Y和Z,从而使Y和Z之间的皮尔逊相关性非常高(例如r=0.8),而它们与X之间的相关性非常不同 换句话说,在cor(Y,Z)=r且r相对较大的情况下,使cor(X,Y)和cor(X,Z)最小化的X,Y和Z是什么 如何不仅生成两个(Y,Z)变量,而且生成k个变量(Y_1,Y_2,…,Y_k),这些变量满足前面的条件(它们有一个非对角元素的相关矩阵=r,r非常高),但它们与X的相关性非常
1-2。Y~N(0,1),Z~N(Y,0),X=[Z这看起来像是一个赋值。你尝试了什么?这不是赋值,我想模拟多个性状中的SNP效应,即GWAS环境中的多效性效应,我想知道现实性如何(如果可能的话)是一种效果与性状的相关结构非常不一致的情况,如果后者非常相关,请澄清;-)
Y <- rnorm(100)
Z <- rnorm(100, Y)
X = I(Z<Y) + I(Y<0)
cbind(Y, Z ,X) %>%
cor()
Y Z X
Y 1.0000000 0.7545677 -0.6593067
Z 0.7545677 1.0000000 -0.8240605
X -0.6593067 -0.8240605 1.0000000