Zastanawiam się, jaka jest różnica między wielowymiarowym rozkładem normalnym a kopulą Gaussa, ponieważ kiedy patrzę na funkcję gęstości, wydają mi się one takie same.
Moje pytanie dotyczy tego, dlaczego wprowadzono kopułę Gaussa lub jakie korzyści przynosi kopuła Gaussa lub jaka jest jej przewaga, gdy kopuła Gaussa jest niczym więcej niż samą wielowymiarową standardową funkcją normalną.
Jaka jest także koncepcja transformacji całki prawdopodobieństwa w kopule? To znaczy wiemy, że kopuła jest funkcją o zmiennej zmiennej jednolitej. Dlaczego musi być jednolity? Dlaczego nie wykorzystać rzeczywistych danych, takich jak wielowymiarowy rozkład normalny i znaleźć macierz korelacji? (Zwykle wykreślamy dwa zwroty z aktywów, aby wziąć pod uwagę ich relacje, ale gdy jest to kopula, wykreślamy Us, które są prawdopodobieństwami.)
Inne pytanie. Wątpię również, czy macierz korelacji z MVN mogłaby być nieparametryczna czy półparametryczna, jak kopula (dla parametru kopuły może być tau Kendalla itp.)
Byłbym bardzo wdzięczny za twoją pomoc, ponieważ jestem nowy w tej dziedzinie. (ale przeczytałem wiele artykułów i to jedyne rzeczy, których nie rozumiem)