Kopula jest rozkładem wielowymiarowym z jednorodnymi rozkładami krańcowymi. Copule są najczęściej używane do reprezentowania lub modelowania struktury zależności między zmiennymi losowymi, niezależnie od rozkładów krańcowych.
Ktoś zadał mi to pytanie podczas rozmowy kwalifikacyjnej, a ja odpowiedziałem, że ich wspólna dystrybucja jest zawsze gaussowska. Myślałem, że zawsze potrafię napisać dwuwymiarowy gaussowski za pomocą jego środków, wariancji i kowariancji. Zastanawiam się, czy może istnieć przypadek, w którym łączne prawdopodobieństwo dwóch Gaussów nie jest Gaussowskie?
Od pewnego czasu szukam dobrej lektury wprowadzającej na temat Copulas na moje seminarium. Znajduję wiele materiałów, które mówią o aspektach teoretycznych, co jest dobre, ale zanim przejdę do nich, staram się zbudować dobre intuicyjne zrozumienie tego tematu. Czy ktoś mógłby zasugerować jakieś dobre artykuły, które stanowią dobry fundament dla początkującego …
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 …
Fréchet-Hoeffding górna granica odnosi się do funkcji rozkładu kopułą i jest przekazywana przez C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. Czy istnieje podobna (w tym sensie, że zależy to od gęstości krańcowej) górna granica gęstości kopuły c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) zamiast CDF? Wszelkie odniesienia będą mile widziane.
Załóżmy, że mam dwa jednoznaczne rozkłady krańcowe, powiedzmy i , z których mogę symulować. Teraz skonstruuj ich wspólny rozkład za pomocą kopuły Gaussa , oznaczonej jako . Wszystkie parametry są znane.FFFGGGC(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) Czy istnieje metoda inna niż MCMC do symulacji z tej kopuły?
Jakie są techniki próbkowania dwóch skorelowanych zmiennych losowych: jeśli ich rozkłady prawdopodobieństwa są sparametryzowane (np. log-normal) jeśli mają rozkłady nieparametryczne. Dane są dwoma szeregami czasowymi, dla których możemy obliczyć niezerowe współczynniki korelacji. Chcemy symulować te dane w przyszłości, zakładając, że historyczna korelacja i szeregi czasowe CDF są stałe. W przypadku …
Upraszczam pytanie badawcze, które mam w pracy. Wyobraź sobie, że mam 5 monet i zadzwońmy do głów sukcesu. Są to BARDZO stronnicze monety z prawdopodobieństwem sukcesu p = 0,1. Teraz, gdy monety były niezależne, to prawdopodobieństwo uzyskania co najmniej 1 lub więcej głowy jest bardzo prosta, . W moim scenariuszu …
Chciałbym znaleźć metodę generowania skorelowanych, nienormalnych danych. Idealnie więc jakiś rodzaj rozkładu, który przyjmuje parametr kowariancji (lub korelacji) jako parametr i generuje dane, które ją przybliżają. Ale tutaj jest haczyk: metoda, którą próbuję znaleźć, powinna mieć elastyczność, aby kontrolować również jej wielowymiarową skośność i / lub kurtozę. Znam metodę Fleishmana …
mgcvOpakowanie Rposiada dwie funkcje montowania interakcji produktów napinacz: te()i ti(). Rozumiem podstawowy podział pracy między nimi (dopasowanie interakcji nieliniowej vs. rozkładanie tej interakcji na główne efekty i interakcję). To, czego nie rozumiem, to dlaczego te(x1, x2)i ti(x1) + ti(x2) + ti(x1, x2)może powodować (nieznacznie) różne wyniki. MWE (dostosowany z ?ti): …
Moje podstawowe pytanie brzmi: co to jest kopuła adaptacyjna? Mam slajdy z prezentacji (niestety nie mogę zapytać autora slajdów) o kopiach adaptacyjnych i nie rozumiem, co to znaczy resp. do czego to jest dobre? Oto slajdy: Następnie slajdy kontynuują test punktu zmiany. Zastanawiam się, o co chodzi i dlaczego potrzebuję …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.