Preguntas etiquetadas con copula

Una cópula es una distribución multivariante con distribuciones marginales uniformes. Las cópulas se utilizan principalmente para representar o modelar la estructura de dependencia entre variables aleatorias, por separado de las distribuciones marginales.

3
¿Es posible tener un par de variables aleatorias gaussianas para las cuales la distribución conjunta no es gaussiana?
Alguien me hizo esta pregunta en una entrevista de trabajo y le respondí que su distribución conjunta siempre es gaussiana. Pensé que siempre podría escribir un gaussiano bivariado con sus medios, varianza y covarianzas. Me pregunto si puede haber un caso en el que la probabilidad conjunta de dos gaussianos …

5
Lectura introductoria sobre cópulas
Desde hace algún tiempo, he estado buscando una buena lectura introductoria sobre Copulas para mi seminario. Estoy encontrando mucho material que habla sobre aspectos teóricos, lo cual es bueno, pero antes de pasar a ellos, estoy buscando construir una buena comprensión intuitiva sobre el tema. ¿Alguien podría sugerir algún buen …

1
Correlaciones alcanzables para variables aleatorias lognormales
Considere las variables aleatorias lognormales y con y .X1X1X_1X2X2X_2log(X1)∼N(0,1)log⁡(X1)∼N(0,1)\log(X_1)\sim \mathcal{N}(0,1)log(X2)∼N(0,σ2)log⁡(X2)∼N(0,σ2)\log(X_2)\sim \mathcal{N}(0,\sigma^2) Estoy tratando de calcular y para \ rho (X_1, X_2) . Un paso en la solución dada que tengo es:ρmaxρmax\rho_{\max}ρminρmin\rho_{\min}ρ(X1,X2)ρ(X1,X2)\rho (X_1,X_2) ρmax=ρ(exp(Z),exp(σZ))ρmax=ρ(exp⁡(Z),exp⁡(σZ))\rho_{\max}=\rho (\exp(Z),\exp(\sigma Z)) y ρmin=ρ(exp(Z),exp(−σZ))ρmin=ρ(exp⁡(Z),exp⁡(−σZ))\rho_{\min}=\rho (\exp(Z),\exp(-\sigma Z)) , pero han hecho algunas referencias a la comonotonicidad y la …


1
¿Límites superiores para la densidad de la cópula?
El límite superior Fréchet – Hoeffding se aplica a la función de distribución de cópula y está dado por C(u1,...,ud)≤min{u1,..,ud}.C(u1,...,ud)≤min{u1,..,ud}.C(u_1,...,u_d)\leq \min\{u_1,..,u_d\}. ¿Existe un límite superior similar (en el sentido de que depende de las densidades marginales) para la densidad de la cópula lugar del CDF?c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) Cualquier referencia sería muy apreciada.

1
¿Cómo simular desde una cópula gaussiana?
Supongamos que tengo dos distribuciones marginales univariadas, digamos FFF y GGG , que puedo simular. Ahora, construya su distribución conjunta usando una cópula gaussiana , denotada C(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) . Todos los parámetros son conocidos. ¿Existe algún método que no sea MCMC para simular a partir de esta cópula?

2
¿Cuáles son algunas técnicas para muestrear dos variables aleatorias correlacionadas?
¿Cuáles son algunas técnicas para muestrear dos variables aleatorias correlacionadas? si sus distribuciones de probabilidad están parametrizadas (por ejemplo, log-normal) si tienen distribuciones no paramétricas. Los datos son dos series de tiempo para las cuales podemos calcular coeficientes de correlación distintos de cero. Deseamos simular estos datos en el futuro, …



1
R / mgcv: ¿Por qué los productos tensoriales te () y ti () producen superficies diferentes?
El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por qué te(x1, x2)y ti(x1) + ti(x2) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 


2
Muestreo CDF inverso para una distribución mixta
La versión corta fuera de contexto Sea una variable aleatoria con CDF yyyF(⋅)≡{θθ+(1−θ)×CDFlog-normal(⋅;μ,σ) y = 0 y > 0F(⋅)≡{θ y = 0 θ+(1−θ)×CDFlog-normal(⋅;μ,σ) y > 0 F(\cdot) \equiv \cases{\theta & y = 0 \\ \theta + (1-\theta) \times \text{CDF}_{\text{log-normal}}(\cdot; \mu, \sigma) & y > 0} Digamos que quería simular dibujos …

2
¿Qué es una cópula adaptativa?
Mi pregunta básica es: ¿Qué es una cópula adaptativa? Tengo diapositivas de una presentación (desafortunadamente, no puedo preguntarle al autor de las diapositivas) sobre cópulas adaptativas y no entiendo, lo que esto significa resp. para que sirve esto? Aquí están las diapositivas: Luego, las diapositivas continúan con una Prueba de …



Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.