Perguntas com a marcação «copula»

Uma cópula é uma distribuição multivariada com distribuições marginais uniformes. Cópulas são principalmente usadas para representar ou modelar a estrutura de dependência entre variáveis ​​aleatórias, separadamente das distribuições marginais.

3
É possível ter um par de variáveis ​​aleatórias gaussianas para as quais a distribuição conjunta não é gaussiana?
Alguém me fez essa pergunta em uma entrevista de emprego e eu respondi que sua distribuição conjunta é sempre gaussiana. Pensei que sempre posso escrever um gaussiano bivariado com seus meios, variância e covariâncias. Gostaria de saber se pode haver um caso em que a probabilidade conjunta de dois gaussianos …
5
Leitura introdutória sobre Copulas
Há já algum tempo que procuro uma boa leitura introdutória sobre Copulas para o meu seminário. Estou encontrando muito material que fala sobre aspectos teóricos, o que é bom, mas antes de passar para eles, estou procurando construir um bom entendimento intuitivo sobre o assunto. Alguém poderia sugerir bons artigos …
1
Correlações atingíveis para variáveis ​​aleatórias lognormal
Considere as variáveis ​​aleatórias lognormal e com e .X 2 log ( X 1 ) ∼ N ( 0 , 1 ) log ( X 2 ) ∼ N ( 0 , σ 2 )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) Estou tentando calcular ρmaxρmax\rho_{\max} e ρminρmin\rho_{\min} para ρ(X1,X2)ρ(X1,X2)\rho (X_1,X_2) . Um passo na …
1
Limites superiores para a densidade da cópula?
O limite superior de Fréchet-Hoeffding se aplica à função de distribuição de cópula e é 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 um limite superior semelhante (no sentido de que depende das densidades marginais) para a cópula densidade c(u1,...,ud)c(u1,...,ud)c(u_1,...,u_d) vez do CDF? Qualquer referência seria muito apreciada.
1
Como simular a partir de uma cópula gaussiana?
Suponha que eu tenha duas distribuições marginais univariadas, digamos e , das quais eu possa simular. Agora, construa sua distribuição conjunta usando uma cópula gaussiana , denominada . Todos os parâmetros são conhecidos.FFFGGGC(F,G;Σ)C(F,G;Σ)C(F,G;\Sigma) Existe um método não MCMC para simular a partir desta cópula?
2
Quais são algumas técnicas para amostrar duas variáveis ​​aleatórias correlacionadas?
Quais são algumas técnicas para amostrar duas variáveis ​​aleatórias correlacionadas: se suas distribuições de probabilidade são parametrizadas (por exemplo, log-normal) se eles tiverem distribuições não paramétricas. Os dados são duas séries temporais para as quais podemos calcular coeficientes de correlação diferentes de zero. Desejamos simular esses dados no futuro, assumindo …
1
R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?
O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …
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
Amostragem inversa de CDF para uma distribuição mista
A versão curta fora do contexto Seja uma variável aleatória com 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 eu queira simular …
2
O que é uma cópula adaptativa?
Minha pergunta básica é: O que é uma cópula adaptativa? Tenho slides de uma apresentação (infelizmente, não posso perguntar ao autor dos slides) sobre cópulas adaptativas e não estou entendendo o que isso significa resp. para que serve isso? Aqui estão os slides: Em seguida, os slides continuam com um …
1
Se eu tiver um vetor de
Meu objetivo final é ser capaz de gerar um vetor de tamanho de variáveis ​​aleatórias correlacionadas de Bernoulli. Uma maneira de fazer isso é usar a abordagem Gaussian Coupla. No entanto, a abordagem Gaussian Coupla apenas me deixa com um vetor:NNN ( p1, … , PN) ∈ [ 0 , …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.