The t copula and its properties are

The t copula and its properties are described with a focus on issues related to the
dependence of extreme values. The Gaussian mixture representation of a multivariate
t distribution is used as a starting point to construct two new copulas, the skewed t
copula and the grouped t copula, which allow more heterogeneity in the modelling of
dependent observations. Extreme value considerations are used to derive two further new
copulas: the t extreme value copula is the limiting copula of componentwise maxima of
t distributed random vectors; the t lower tail copula is the limiting copula of bivariate
observations from a t distribution that are conditioned to lie below some joint threshold
that is progressively lowered. Both these copulas may be approximated for practical
purposes by simpler, better-known copulas, these being the Gumbel and Clayton copulas
respectively.
Gaussian copula's fit in terms of the AIC is worse than that of other copulas. Further, the Gaussian copula seems to underestimate the probability of joint strong risk factor changes for the data sample at hand

ผลลัพธ์ (ไทย) 1:

T copula และคุณสมบัติของอธิบายความในประเด็นที่เกี่ยวข้องกับการพึ่งพาค่ามาก แสดงส่วนผสม Gaussian ของแบบ multivariateแจกแจง t จะใช้เป็นจุดเริ่มต้นสร้างใหม่สอง copulas, t บิดcopula และ copula t จัด ทำ heterogeneity เพิ่มเติมในการสร้างแบบจำลองของข้อสังเกตุขึ้นอยู่ พิจารณาค่ามากใช้มาสองเพิ่มเติมใหม่copulas: copula มากค่า t เป็น copula ข้อจำกัดของแมก componentwise ของเวกเตอร์สุ่ม กระจาย t หางไม่ต่ำกว่า copula เป็น copula ข้อจำกัดของ bivariateสังเกตจากการแจกแจง t ที่ปรับอากาศจะอยู่ต่ำกว่าขีดจำกัดบางอย่างร่วมกันที่มีความก้าวหน้าลดลง ทั้งนี้ copulas อาจเลียนแบบในทางปฏิบัติวัตถุประสงค์ โดยง่าย better-known copulas เหล่านี้เป็น Gumbel และเคลย์ตัน copulasตามลำดับพอดี gaussian copula ใน AIC เป็นยิ่งกว่าของ copulas อื่น ๆ ดูเพิ่มเติม Gaussian copula ประมาทความเป็นไปได้ของการเปลี่ยนแปลงปัจจัยเสี่ยงร่วมที่แข็งแกร่งสำหรับตัวอย่างข้อมูลที่

ผลลัพธ์ (ไทย) 3:

t Copula และคุณสมบัติของมันได้อธิบายไว้โดยเน้นประเด็นที่เกี่ยวข้องกับ
ขึ้นอยู่กับค่าสุดขีด การเป็นตัวแทนของหลายตัวแปร ) ส่วนผสม
t การใช้เป็นจุดเริ่มต้นในการสร้างสอง copulas ใหม่เบ้ T
T และการแจกแจงคอพพูลาแบบกลุ่ม ซึ่งช่วยให้สามารถเพิ่มเติมในแบบจำลองของ
การสังเกตขึ้นอยู่กับการพิจารณาคุณค่ามากใช้มา 2 copulas ใหม่
เพิ่มเติม : t Copula มูลค่ามากเป็นแบบจำกัดของ componentwise Maxima ของ
t กระจายเวกเตอร์สุ่ม ; t ลดหางแบบเป็นแบบของการถดถอย
สังเกตจากการกระจายที่ไม่ปรับอากาศนอนด้านล่างบางส่วนร่วมเกณฑ์
ที่ค่อยๆลดลงcopulas ทั้งสองเหล่านี้อาจจะโดยประมาณสำหรับปฏิบัติ
วัตถุประสงค์โดยง่าย , ที่รู้จักกันดี copulas เหล่านี้เป็นและ Gumbel เคลย์ตัน copulas

Gaussian Copula ตามลำดับ เหมาะสมในแง่ของ AIC แย่กว่าของ copulas อื่น ๆ เพิ่มเติม แบบเกาส์เซียน ดูเหมือนจะประมาทความเป็นไปได้ของปัจจัยเสี่ยงที่แข็งแกร่งร่วมกันการเปลี่ยนแปลงสำหรับข้อมูลตัวอย่างมือ