Olá pessoal, tenho uma dúvida com relação à geração de variáveis aleatórias normais multivariadas no R. Eu gostaria de gerar duas variáveis aleatórias (x1, x2) usando distribuição normal multivariada com estrutura de correlação entre elas. A Estrutura da matriz de correlação foi estimada antes com base num banco de dados reais (com correlação fraca de - 0.2). Porém, essas variáveis não podem ser negativas, Ex. x1 tem média e variância, respectivamente, iguais a 0.0067 e 0.0017; x2 tem média e variância, respectivamente, iguais a 0.1374 e 0.0024. Eu gero as variáveis da seguinte forma: *Programa usado no R:* # Simulando os parâmetros com estrutura de correlação entre eles n <- 1000 # tamanho da amostra gerada p <- 2 # numero de variáveis a serem geradas library(MASS) # construíndo a matriz de correlação para usar nas simulações, baseadas na característica da amostra coletada mu<-rep(0, times = p) rho <- - 0.2 # correlacao negativa - 0.2 sigma2 <- 1 Sigma <- sigma2 * ((1-rho)*diag(p)+rho*matrix(1, p, p)) X1 <- 0.0096 # Media da variavel x1 X2 <- 0.1203 # Media da variavel x2 media <- c(X1,X2) y <- mvrnorm(n, media, Sigma) cor(y) apply(y, 2, mean) y [1,] 0.309910452 1.0642521083 [2,] -0.251583312 1.8909032058 [3,] 1.330362012 -1.1239501814 [4,] -0.793399464 -1.5433056284 [5,] 2.165144843 -0.2645184534 [6,] 0.532777085 1.0910864562 [7,] -1.612135390 2.0489354648 [8,] -0.430529913 1.0312062602 ... Quando gero as simulações para x1 e x2 usando a função *mvrnorm*, o resultado me retorna alguns valores negativos para as variáveis, isso não poderia ocorrer. Teria alguma outra função em que eu possa fornecer a variância de cada uma dessas variáveis, além da estrutura de correlação? Como poderia contornar essa situação, usando o R? *Obs:* No SAS, a seguinte programação funciona perfeitamente: *proc* *iml*; wrksize=*100000*; K=*2*; N=*1000*; /* tamanho da amostra */ M={*0* *0*}; S={ *1* -*0.5283*, -*0.5283* *1* }; X=shape(*0*,K,N); ME=*0*; SI=*1*; DO I=*1* TO K; DO J=*1* TO N; if I>*1* then do; ME=M[I]+(S[*1*:I-*1*,I])`*(inv(S[*1*:I-*1*,*1*:I-*1*])*(X[*1*:I-*1* ,J]-M[*1*:I-*1*])); SI=S[I,I]-(S[*1*:I-*1*,I])`*(inv(S[*1*:I-*1*,*1*:I-*1*])*(S[*1*:I- *1*,I])); end; X[I,J]=ME+NORMAL(*0*)*SQRT(SI); END; END; Z=t(X); varnames='X1':'X2'; create NOVO from Z[colname=varnames]; append from Z; *quit*; *data* MEXT; set NOVO; options ps=*66* ls=*75*; X1=*0.0067*+*0.0017**X1; /* normal */ X2=*0.1374*+*0.0024**X2; /* normal */ *proc* *corr* data=MEXT; var X1 X2; *run*; -- Adriele Giaretta Biase. Mestre em Estatística e Experimentação Agropecuária - UFLA. Doutora em Estatística e Experimentação Agronômica - ESALQ/ USP Contato: (19) 98861-0619.