ত্রিভুজ বৈষম্য আপনার এর উপর d1 উত্পাদ হবে:
d1(X,Z)1−|Cor(X,Z)|⟹|Cor(X,Y)|+|Cor(Y,Z)|≤d1(X,Y)+d1(Y,Z)≤1−|Cor(X,Y)|+1−|Cor(Y,Z)|≤1+|Cor(X,Z)|
এটি পরাজয় করা বেশ সহজ বৈষম্য বলে মনে হচ্ছে। X এবং Z স্বতন্ত্র করে আমরা ডান হাতটিকে যতটা সম্ভব ছোট (ঠিক এক) করতে পারি । তারপরে আমরা কী এমন কোনও ওয়াই খুঁজে পেতে পারি Yযার জন্য বাম-হাতটি একের বেশি?
যদি এবং এবং অভিন্ন ভ্যারিয়েন্স, তারপর আছে এবং একইভাবে জন্য , তাই বাম দিকটি একের উপরে ভাল এবং বৈষম্য লঙ্ঘিত হয়েছে। আরে এই লঙ্ঘনের উদাহরণ, যেখানে এবং একটি মাল্টিভারিয়েট সাধারণের উপাদান:X Z C o r ( X , Y ) = √Y=X+ZXZসিওআর(ওয়াই,জেড)এক্সজেডCor(X,Y)=2√2≈0.707Cor(Y,Z)XZ
library(MASS)
set.seed(123)
d1 <- function(a,b) {1 - abs(cor(a,b))}
Sigma <- matrix(c(1,0,0,1), nrow=2) # covariance matrix of X and Z
matrixXZ <- mvrnorm(n=1e3, mu=c(0,0), Sigma=Sigma, empirical=TRUE)
X <- matrixXZ[,1] # mean 0, variance 1
Z <- matrixXZ[,2] # mean 0, variance 1
cor(X,Z) # nearly zero
Y <- X + Z
d1(X,Y)
# 0.2928932
d1(Y,Z)
# 0.2928932
d1(X,Z)
# 1
d1(X,Z) <= d1(X,Y) + d1(Y,Z)
# FALSE
যদিও নোট করুন যে এই আপনার সাথে কাজ করে না :d2
d2 <- function(a,b) {1 - cor(a,b)^2}
d2(X,Y)
# 0.5
d2(Y,Z)
# 0.5
d2(X,Z)
# 1
d2(X,Z) <= d2(X,Y) + d2(Y,Z)
# TRUE
তে তাত্ত্বিক আক্রমণ চালিয়ে , এই পর্যায়ে আমি আর- এ কোভারিয়েন্স ম্যাট্রিক্সের সাথে খেলা করা খুব সহজ খুঁজে পেলাম যতক্ষণ না একটি দুর্দান্ত কাউন্টারিক্স নমুনা বের হয়ে যায়। মঞ্জুরি , এবং দেয়:V a r ( X ) = 2 V a r ( Z ) = 1 C o v ( X , Z ) = 1d2Sigma
Var(X)=2Var(Z)=1Cov(X,Z)=1
Var(Y)=Var(X+Y)=Var(X)+Var(Z)+2Cov(X,Z)=2+1+2=5
আমরা সমবায়ীরা তদন্ত করতে পারি:
সি ও ভি ( ওয়াই , জেড) ) = সি ও ভি ( এক্স + জেড , জেড)
Cov(X,Y)=Cov(X,X+Z)=Cov(X,X)+Cov(X,Z)=2+1=3
Cov(Y,Z)=Cov(X+Z,Z)=Cov(X,Z)+Cov(Z,Z)=1+1=2
স্কোয়ার সম্পর্কিত সম্পর্কগুলি তখন:
Cor(X,Z)2=Cov(X,Z)2Var(X)Var(Z)=122×1=0.5
Cor(X,Y)2=Cov(X,Y)2Var(X)Var(Y)=322×5=0.9
Cor(Y,Z)2=Cov(Y,Z)2Var(Y)Var(Z)=225×1=0.8
তারপরে যখন এবং তাই ত্রিভুজ যথেষ্ট পরিমাণে লঙ্ঘিত হয়।d2(X,Z)=0.5d2(X,Y)=0.1d2(Y,Z)=0.2
Sigma <- matrix(c(2,1,1,1), nrow=2) # covariance matrix of X and Z
matrixXZ <- mvrnorm(n=1e3, mu=c(0,0), Sigma=Sigma, empirical=TRUE)
X <- matrixXZ[,1] # mean 0, variance 2
Z <- matrixXZ[,2] # mean 0, variance 1
cor(X,Z) # 0.707
Y <- X + Z
d2 <- function(a,b) {1 - cor(a,b)^2}
d2(X,Y)
# 0.1
d2(Y,Z)
# 0.2
d2(X,Z)
# 0.5
d2(X,Z) <= d2(X,Y) + d2(Y,Z)
# FALSE