Любой пример (примерно) независимых переменных, которые зависят от экстремальных значений?

14

Я ищу пример 2 случайных величин X , Y такой, что

|cor(X,Y)|0

но если рассматривать хвостовую часть распределений, они сильно коррелируют. (Я стараюсь избегать «коррелированных» / «корреляций» для хвоста, потому что он может быть не линейным).

Вероятно, используйте это:

|cor(X,Y)|0

где зависит от населения , а определяется в том же смысле. X > 90 % X Y XX>90%XY

KMZ
источник
8
Независимые переменные, которые являются зависимыми? Мой мозг просто взорвался. Вы не можете задать такой вопрос в понедельник утром
Аксакал почти наверняка бинарный
1
С учетом ответа с поправкой, этот вопрос кажется ответственным.
gung - Восстановить Монику
1
Чтобы помочь людям понять это, подумайте, насколько вы заботитесь о проблемах с оружием и насколько вам нравится / ненавидит NRA. Корреляция, вероятно, будет близка к нулю. Люди, которые больше всего заботятся о проблемах с оружием, могут либо любить, либо ненавидеть NRA. Но они будут очень зависимы. Люди, которые больше всего заботятся о проблемах с оружием, почти никогда не окажутся в центре спектра против NRA / anti-NRA. Люди, находящиеся на самом верху или на нижнем уровне спектра, выступающего за NRA / anti-NRA, будут больше заботиться о проблемах с оружием, чем люди в середине.
Дэвид Шварц
1
Прошу прощения за постановку неясного вопроса. Я просто хочу представить, как это работает для некоторых независимых дистрибутивов, имеющих некоторую крайнюю зависимость (не обязательно корреляцию).
км
2
Есть множество связок со слабой общей зависимостью, но сильной зависимостью хвоста; Точная общая корреляция будет зависеть от распределения маргиналов.
Glen_b

Ответы:

23

Вот пример, где и Y даже имеют нормальные маргиналы.XY

Позволять:

XN(0,1)

Условно на , пусть Y = X, еслиXY=X или Y = - X в противном случае для некоторой постоянной ϕ .|X|>ϕY=Xϕ

Вы можете показать, что независимо от незначительно имеем:ϕ

YN(0,1)

Существует такое значение , что cor ( X , Y ) = 0ϕcor(X,Y)=0 . Если то cor ( X , Y ) 0 .ϕ=1.54cor(X,Y)0

Тем не менее, и Y не являются независимыми, и экстремальные значения обоих полностью зависят. См. Симуляцию в R ниже, и график, который следует.XY

Nsim <- 10000
set.seed(123)

x <- rnorm(Nsim)
y <- ifelse(abs(x)>1.54,x,-x)

print(cor(x,y)) # 0.00284 \approx 0

plot(x,y)

extreme.x <- which(abs(x)>qnorm(0.95))
extreme.y <- which(abs(y)>qnorm(0.95))
extreme.both <- intersect(extreme.x,extreme.y)

print(cor(x[extreme.both],y[extreme.both])) # Exactly 1

введите описание изображения здесь

Крис Хауг
источник
1
(+1) Если вы хотите, чтобы распределение было не просто некоррелированным, но и не очень зависимым, вы можете изменить его, заменив жесткий порог на нечеткий. Труднее заставить математику выстроиться в линию, но это выполнимо.
Мэтью Грэйвз
1
Спасибо Крис Хауг! Ваша идея помогает мне визуализировать, что я делаю.
км