Copulas can be traced back to 1959, when Sklar first defined the term and some fundamental properties. Sklar’s theorem
shows that a multivariate distributed can be decomposed into two parts, a univariate marginal distribution of each variable
and a copula function that describes the relation between the variables. The formulation of Sklar’s theoremcan be described
as:
Let F be an n-dimensional distribution function with marginals F1, . . . , Fn. Then, there exists an n-copula C such that for
all x in Rn,
If F1, . . . , Fn are all continuous, then C is uniquely defined. Vice versa for every copula C and for all types of distributions
F1, . . . , Fn, the formula (6) describes an n-dimensional distribution function. Sklar’s theorem shows that the probability
density function of any multivariate probability distribution can be represented by amarginal distribution and a dependence
structure, as follows:
where the small letter c represents the density function of the copula. An important feature of this result is that themarginal
distributions do not need to be in any way similar to each other, nor is the choice of copula constrained by the choice of
marginal distributions. This paper focuses on bivariate cases, reflecting our interest in bivariate copulas. Therefore, only the
bivariate copulas are introduced in this section.
copulas สามารถสืบย้อนกลับไปปี 1959 เมื่อ Sklar แรกกำหนดระยะและคุณสมบัติพื้นฐานบางอย่าง Sklar ทฤษฎีบท
แสดงให้เห็นว่าหลายตัวแปรกระจายสามารถจำแนกออกเป็นสองส่วนการกระจายขอบ univariate ของแต่ละตัวแปร
และฟังก์ชั่นเชื่อมที่อธิบายถึงความสัมพันธ์ระหว่างตัวแปร การกำหนด Sklar ของ theoremcan จะอธิบายเป็น
ฉให้เป็นฟังก์ชันการแจกแจง n มิติกับ f1 มาร์จิน, . . , ศุกร์ แล้วมีอยู่ n-เชื่อมคดังกล่าวว่าสำหรับ
x ทั้งหมดใน rn,
ถ้า f1, . . , ศุกร์ทุกคนอย่างต่อเนื่องแล้วคถูกกำหนดให้ไม่ซ้ำกัน ในทางกลับกันสำหรับทุกเชื่อมคและสำหรับทุกประเภทของการกระจาย
f1, . . , ศุกร์, สูตร (6) อธิบายฟังก์ชันการแจกแจง n มิติ ทฤษฎีบท Sklar แสดงให้เห็นว่าน่าจะเป็น
ฟังก์ชั่นความหนาแน่นของการกระจายความน่าจะเป็นหลายตัวแปรใด ๆ ที่สามารถแสดงโดยการกระจาย amarginal และการพึ่งพาอาศัย
โครงสร้างดังนี้
ที่เป็นตัวอักษรขนาดเล็กคแสดงให้เห็นถึงฟังก์ชั่นความหนาแน่นของเชื่อม คุณลักษณะที่สำคัญของผลนี้คือ themarginal
กระจายไม่จำเป็นต้องเป็นในลักษณะคล้ายกับแต่ละอื่น ๆ และไม่เป็นทางเลือกของเชื่อม จำกัด โดยทางเลือกของ
กระจายขอบ บทความนี้มุ่งเน้นไปที่กรณี bivariate สะท้อนให้เห็นถึงความสนใจของเราในการ copulas bivariate ดังนั้นเพียง
copulas bivariate ได้ถูกนำเสนอในส่วนนี้
การแปล กรุณารอสักครู่..