Exemple d'utilisation de distributions multivariées

Explication :
Ce bloc `PROC IML` initialise un générateur de nombres aléatoires (`call randseed(1)`), simule 100 observations (`N = 100`) d'une distribution normale bivariée avec une moyenne {1 2} et une matrice de covariance spécifique, puis calcule et affiche les moyennes et les matrices de covariance des échantillons. Enfin, il crée un jeu de données SAS nommé `inputdata` à partir des données simulées avec les colonnes 'x1' et 'x2'.

Explication :
Ce bloc `PROC MCMC` ajuste un modèle normal multivarié aux données `inputdata` générées précédemment. Il spécifie les variables de données (`x1`, `x2`), les paramètres à estimer (`mu` et `Sigma`), et définit des distributions a priori pour ces paramètres : une distribution normale multivariée pour `mu` (avec moyenne `mu0` et matrice de covariance `Sigma0` d'une grande variance) et une distribution inverse Wishart pour `Sigma` (avec degrés de liberté 2 et matrice d'échelle `S` qui est la matrice identité). La procédure exécute 3000 itérations de la chaîne de Markov Monte Carlo (MCMC) pour l'inférence bayésienne des paramètres, et la sortie est limitée aux statistiques sommaires et intervalles crédibles (`ods select PostSumInt`).