Las variables se pueden asociar de maneras que la correlación de Pearson es completamente ciega.
En la normal multivariada, la correlación de Pearson es "exhaustiva" en el sentido de que la única asociación posible está indexada por . Pero para otras distribuciones (incluso aquellas con márgenes normales), puede haber asociación sin correlación. Aquí hay un par de gráficos de 3 variables aleatorias normales (x, y y x, z); están altamente asociados (si me dices el valor de la variable x , te diré los otros dos, y si me dices el y puedo decirte el z ), pero no están correlacionados.ρXyz
Aquí hay otro ejemplo de variantes asociadas pero no correlacionadas:
(El punto subyacente se está haciendo sobre las distribuciones, aunque lo estoy ilustrando con datos aquí).
Incluso cuando las variables están correlacionadas, la correlación de Pearson en general no le dice cómo : puede obtener formas de asociación muy diferentes que tienen la misma correlación de Pearson, (pero cuando las variables son multivariadas normales, tan pronto como le digo la correlación puede decir exactamente cómo se relacionan las variables estandarizadas).
ρ
(Una forma común de abordar la asociación multivariada es a través de las cópulas. Existen numerosas preguntas en el sitio que se relacionan con las cópulas; puede encontrar algunas útiles)