Sugerencia: existen variables aleatorias $X_1$, $X_2$ y $X_3$ parejas con las correlaciones $\rho_{12}$, $\rho_{13}$ y $\rho_{13}$ si y sólo si la matriz
$$\Sigma = \begin{pmatrix}
1 & \rho_{12} & \rho_{13}\\
\rho_{12} & 1 &\rho_{23} \\
\rho_{13} & \rho_{23} & 1
\end{pmatrix}
$$
es positivo semidefinite. Tenemos que existen variables aleatorias $X_1$, $X_2$ y $X_3$ con todos los pares de correlaciones igual a $\rho$ si y sólo si la matriz
$$\begin{pmatrix}
1 & \rho & \rho\\
\rho & 1 &\rho \\
\rho & \rho & 1
\end{pmatrix}
$$
es positivo semidefinite (ver más abajo para la explicación). Esta matriz es positiva semidefinite precisamente al $\rho\in[-1/2,1]$.
Tenga en cuenta que no existe $d$ variables aleatorias $X_1,\dots,X_d$ s.t. $\mathrm{cor}(X_i,X_j) = \rho$ ( $i\neq j$ ) si y sólo si $\rho\in [-\frac{1}{d-1},1]$.
Aquí está una breve explicación de por qué existen variables aleatorias $X_1$, $X_2$ y $X_3$ parejas con las correlaciones $\rho_{12}$, $\rho_{13}$ y $\rho_{13}$ si y sólo si $\Sigma$ es positivo semidefinite.
Supongamos que la matriz de
$\Sigma$ es positivo semidefinite. Vamos
$$\Gamma = \begin{pmatrix}\gamma_1 \\ \gamma_2 \\ \gamma_3\end{pmatrix} \sim {\cal N}(0,\Sigma)$$
ser el multivariante variable aleatoria normal con matriz de covarianza $\Sigma$. Entonces la correlación de $\gamma_i$ $\gamma_j$ es igual a $\rho_{ij}$.
Ahora supongamos que $X_1$, $X_2$ y $X_3$ tiene correlaciones $\rho_{ij}$. Podemos suponer que la ${\mathbb E}[X_i] = 0$$\mathrm{cov}[X_i]=1$. A continuación, la matriz de covarianza de $(X_1,X_2,X_3)$ es
$$\Sigma = \begin{pmatrix}
1 & \rho_{12} & \rho_{13}\\
\rho_{12} & 1 &\rho_{23} \\
\rho_{13} & \rho_{23} & 1
\end{pmatrix}.
$$
Por lo tanto, $\Sigma$ es positivo semidefinite.