<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:taxo="http://purl.org/rss/1.0/modules/taxonomy/" version="2.0">
  <channel>
    <title>topic Re: simulation multivariate normal data with 10 variables in SAS/IML Software and Matrix Computations</title>
    <link>https://communities.sas.com/t5/SAS-IML-Software-and-Matrix/simulation-multivariate-normal-data-with-10-variables/m-p/170996#M1659</link>
    <description>&lt;HTML&gt;&lt;HEAD&gt;&lt;/HEAD&gt;&lt;BODY&gt;&lt;P&gt;hi all&lt;/P&gt;&lt;P&gt;i solved this problem, i forget the comma for covariance matrix.&lt;/P&gt;&lt;P&gt;regards&lt;/P&gt;&lt;/BODY&gt;&lt;/HTML&gt;</description>
    <pubDate>Thu, 12 Dec 2013 08:20:44 GMT</pubDate>
    <dc:creator>thanoon</dc:creator>
    <dc:date>2013-12-12T08:20:44Z</dc:date>
    <item>
      <title>simulation multivariate normal data with 10 variables</title>
      <link>https://communities.sas.com/t5/SAS-IML-Software-and-Matrix/simulation-multivariate-normal-data-with-10-variables/m-p/170995#M1658</link>
      <description>&lt;HTML&gt;&lt;HEAD&gt;&lt;/HEAD&gt;&lt;BODY&gt;&lt;P&gt;hi all &lt;/P&gt;&lt;P&gt;i need your help to simulate multivariate normal data with 10 var. when i&amp;nbsp; run this code i receive errors .&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;%let N = 1000;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; /* size of each sample */&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;/* Multivariate normal data */&lt;/P&gt;&lt;P&gt;proc iml;&lt;/P&gt;&lt;P&gt;/* specify the mean and covariance of the population */&lt;/P&gt;&lt;P&gt;Mean = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};&lt;/P&gt;&lt;P&gt;Cov = {32.0897 13.1740 -4.8130 -2.9651 6.0853 2.2018 2.6580 3.4379 -1.8501 -7.4523&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 13.1740 18.3444 -5.2602 -9.4638 3.0731 2.1855 3.9010 3.0226 -3.5204 -4.3176&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; -4.8130 -5.2602 7.7173 2.1597 -0.3544 -3.3951 -0.7576 -2.9107 5.3209 5.5138&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; -2.9651 -9.4638 2.1597 20.1232 1.1670 0.8156 -12.3116 -2.4223 5.5468 2.1305&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 6.0853 3.0731 -0.3544 1.1670 3.8644 0.6464 0.5127 0.9321 -0.3289 -1.9678&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 2.2018 2.1855 -3.3951 0.8156 0.6464 7.8445 2.9060 -1.2132 -4.2227 -5.0253&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 2.6580 3.9010 -0.7576 -12.3116 0.5127 2.9060 14.5232 1.7516 -4.8958 1.2902&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; 3.4379 3.0226&amp;nbsp; -2.9107 -2.4223 0.9321 -1.2132 1.7516 6.6480 -0.7609 2.7944&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; -1.8501 -3.5204 5.3209 5.5468 -0.3289 -4.2227 -4.8958 -0.7609 7.9543 5.7160&lt;/P&gt;&lt;P&gt;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; -7.4523 -4.3176 5.5138 2.1305 -1.9678 -5.0253 1.2902 2.7944 5.7160 16.1720};&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;call randseed(4321);&amp;nbsp; &lt;/P&gt;&lt;P&gt;X = RandNormal(&amp;amp;N, Mean, Cov);&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; /* 1000 x 10 matrix&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; */&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;/* check the sample mean and sample covariance */&lt;/P&gt;&lt;P&gt;SampleMean = mean(X);&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; /* mean of each column */&lt;/P&gt;&lt;P&gt;SampleCov =&amp;nbsp; cov(X);&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp;&amp;nbsp; /* sample covariance&amp;nbsp;&amp;nbsp; */&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;&lt;/P&gt;&lt;P&gt;/* print results */&lt;/P&gt;&lt;P&gt;c = "x1":"x10";&lt;/P&gt;&lt;P&gt;print (X[1:,1000]);&lt;/P&gt;&lt;P&gt;print SampleMean[colname=c];&lt;/P&gt;&lt;P&gt;print SampleCov[colname=c rowname=c];&lt;/P&gt;&lt;P&gt;/* write SAS/IML matrix to SAS data set for plotting */&lt;/P&gt;&lt;P&gt;create MVN from X[colname=c];&amp;nbsp; append from X;&amp;nbsp; close MVN;&lt;/P&gt;&lt;P&gt;quit;&lt;/P&gt;&lt;/BODY&gt;&lt;/HTML&gt;</description>
      <pubDate>Thu, 12 Dec 2013 02:56:12 GMT</pubDate>
      <guid>https://communities.sas.com/t5/SAS-IML-Software-and-Matrix/simulation-multivariate-normal-data-with-10-variables/m-p/170995#M1658</guid>
      <dc:creator>thanoon</dc:creator>
      <dc:date>2013-12-12T02:56:12Z</dc:date>
    </item>
    <item>
      <title>Re: simulation multivariate normal data with 10 variables</title>
      <link>https://communities.sas.com/t5/SAS-IML-Software-and-Matrix/simulation-multivariate-normal-data-with-10-variables/m-p/170996#M1659</link>
      <description>&lt;HTML&gt;&lt;HEAD&gt;&lt;/HEAD&gt;&lt;BODY&gt;&lt;P&gt;hi all&lt;/P&gt;&lt;P&gt;i solved this problem, i forget the comma for covariance matrix.&lt;/P&gt;&lt;P&gt;regards&lt;/P&gt;&lt;/BODY&gt;&lt;/HTML&gt;</description>
      <pubDate>Thu, 12 Dec 2013 08:20:44 GMT</pubDate>
      <guid>https://communities.sas.com/t5/SAS-IML-Software-and-Matrix/simulation-multivariate-normal-data-with-10-variables/m-p/170996#M1659</guid>
      <dc:creator>thanoon</dc:creator>
      <dc:date>2013-12-12T08:20:44Z</dc:date>
    </item>
  </channel>
</rss>

