我正在查看针对两个度量在给定特征上定义的数据。虽然这两种度量都定义在同一个域上，但两种度量都定义在不同的范围内，因此，为了在同一个图上显示两条曲线，它们已被归一化（像概率密度函数一样在支持上求和为一个） .

从可视化中，可以观察到两种测量之间的“交替峰”模式。这很有趣，因为理论假设蓝色曲线表示的度量对红色曲线表示的度量具有抑制或沉默作用。

在某些方面，这些交替的峰值可以被认为是相互反相关的；然而，这种散布中的反相关看起来并不是特别强。同样，回归模型在这种情况下看起来也不是特别合适，如散点图所示。这种关系似乎并不明显。

是否有更好的方法来捕获和量化数据中两个度量之间存在的交替峰值模式？

编辑：

正如评论中提到的，下表是构建的样本数据，在较短的域上具有与原始数据相似的属性。

             Coordinate Measure1 (Blue Curve) Measure2 (Red Curve)
 1           1            0.01190476           0.01369863
 2           2            0.01190476           0.01369863
 3           3            0.01190476           0.01369863
 4           4            0.02380952           0.02739726
 5           5            0.15476190           0.01369863
 6           6            0.15476190           0.02739726
 7           7            0.11904762           0.05479452
 8           8            0.00000000           0.08219178
 9           9            0.00000000           0.10958904
 10         10            0.00000000           0.10958904
 11         11            0.00000000           0.10958904
 12         12            0.00000000           0.10958904
 13         13            0.00000000           0.10958904
 14         14            0.03571429           0.06849315
 15         15            0.15476190           0.04109589
 16         16            0.14285714           0.02739726
 17         17            0.15476190           0.02739726
 18         18            0.02380952           0.02739726
 19         19            0.00000000           0.01369863
 20         20            0.00000000           0.00000000