Ceci est une question intéressante, difficile, et potentiellement controversée.

Je pense que l'explication la plus probable pour votre exemple est que vous sondons deux (ou plus) populations ayant différents niveaux de risque. Si une sous-population a été grande améliore lentement tandis qu'un petit sous-population ont été aggrave rapidement alors vous pourriez voir GAM stagnante avec l'augmentation de SAM.

Le cas d'une population normalement apparemment distribué faite d'un certain nombre de petits et différent distribué (soit normalement distribué avec différents moyens et le SDS ou le non-normale) est connu comme un "mélange fini" et a fait partie du cadre / mathématique statistique la théorie évolutionniste plus d'un siècle. Voir:
Weldon WFR, certaines variantes corrélés Carcinus maenas, Proceedings of the Royal Society de Londres, 54: 318-329 (1893) Pearson K, Contributions à la théorie mathématique de l'évolution, Philosophical Transactions de la Royal Society de Londres, Une 185: 71-110 (1894)
Le Weldon (1893) papier a une grande illustration de la façon dont deux distributions normales se combinent pour donner une distribution "à grosse queue" (comme avec votre exemple):

Ceci est pour les mesures de crabes (une espèce de deux?), Mais l'idée est valable pour les populations humaines.

Je voudrais autres à commenter cette raison que je l'ai écrit ci-dessus est un peu controversée. Les contrôles de plausibilité sur la base de la normalité rejetteraient une distribution "à grosse queue" comme des données de mauvaise qualité sur (à mon avis) des bases fragiles et doctrinaires. Ceci est, je pense, en raison d'une confusion entre la distribution normale comme un modèle souvent utiles (une vision commune et de mon point de vue) et la distribution normale comme quelque chose de plus "réel" que (je crois que ceci est l'opinion SMART).

Nous voyons souvent GAM par MUAC et le GAM par W / H donne des résultats très différents. Ceci est, en grande partie, une question de la forme du corps. WHZ sous-estime GAM en court limbed large torse, climat froid, les populations de haute altitude, longue à ressources partagées, et surestime GAM dans longiligne, court à ressources partagées, étroite torse, climat chaud, basse altitude, les populations de consommer de lait. Cela explique, en grande partie, pour la valeur pronostique pauvres de W / H. Dans les cas extrêmes, il est possible (par exemple) que W / H va sélectionner des enfants plus sains et plus. Mon conseil est (comme toujours) pour coller avec le PB.

BTW ... Merci pour vos aimables commentaires.

Quelqu'un m'a envoyé ce lien:

http://bit-player.org/2010/disentangling-gaussians

dans lequel se réfère aux documents que je référencé et a une certaine discussion méthodologique et quelques illustrations.