copulaparam

连接函数参数等级相关的功能

描述

RHO= copulaparam( '高斯',[R返回的线性相关参数,RHO,对应于高斯系词与Kendall的秩相关,[R

RHO= copulaparam( 'T',[RNU返回的线性相关参数,RHO中,对应于一个ŤCopula函数与Kendall的秩相关,[R和自由度,NU

α= copulaparam(家庭[R返回系词参数,α中,对应于所指定的类型的二元系动词阿基米德家庭,用肯德尔等级相关,[R

___= copulaparam(___名称,值返回使用任何先前的语法由一个或多个指定的相关性参数,用另外的选项名称,值对参数。例如,您可以指定输入等级相关值是否是斯皮尔曼RHO或Kendall的牛头

例子

全部收缩

使用二元高斯系词与Kendall的生成β分布相关的随机数据牛头秩相关等于-0.5。

计算从秩相关值的线性相关参数。

RNG默认%用于重现tau蛋白= -0.5;RHO = copulaparam(“高斯”,TAU)
RHO = -0.7071

使用高斯连接函数,以生成依赖随机值的两列的矩阵。

U = copularnd(“高斯”,ρ-,100);

每列包含在0和1之间,包括端点100个的随机值,从连续均匀分布采样。

创建一个scatterhist绘制可视化利用Copula函数产生的随机数。

图scatterhist(U(:,1)中,u(:,2))

直方图显示的是,在接合装置的每列中的数据具有边缘均匀分布。散点图表明,在两列中的数据被负相关。

使用逆CDF功能BETAINV到均匀的边缘分布的各列变换为随机数从β分布。在第一列中,第一形状参数一个等于1,和第二形状参数等于2。在第二列中,第一形状参数一个等于1.5,以及第二形状参数等于2。

B = [BETAINV(U(:,1),1,2),BETAINV(U(:,2),1.5,2)];

创建一个scatterhist绘制可视化所述相关β分布的数据。

图scatterhist(B(:,1),B(:,2))

直方图显示每个变量的边缘的β分布。散点图示出了负相关关系。

验证该样品具有秩相关近似等于所述初始值Kendall的牛头

tau_sample =科尔(B,'类型'“肯德尔
tau_sample =2×21.0000 -0.5135 -0.5135 1.0000

的-0.5135样品等级相关近似等于为-0.5初始值牛头

输入参数

全部收缩

连接函数等级相关,返回作为标量值的标量值或矩阵。

  • 如果[R是一个标量相关系数,然后RHO是对应于二元系动词一个标量相关系数。

  • 如果[Rp-通过-p相关矩阵,然后RHOp-通过-p相关矩阵。

如果连接函数被指定为二元阿基米德系词类型之一(“克莱顿”'坦率', 要么“冈贝尔”), 然后[R是标量值。

自由度为Ť连接函数,指定为正整数值。

数据类型:|

二元阿基米德Copula的家庭,指定为下列之一。

“克莱顿” 克莱顿系词
'坦率' 弗兰克·系词
“冈贝尔” 冈贝尔系词

名称 - 值对参数

指定可选的用逗号分隔的对名称,值参数。名称是参数的名称和是对应的值。名称必须出现引号内。您可以按照任何顺序指定多个名称和值对参数名1,值1,...,NameN,值N

例:“类型”,'斯皮尔曼计算Spearman秩相关。

键入等级相关的,指定为逗号分隔的一对组成的'类型'与下列情况之一。

  • “肯德尔- 表示为输入值[R是肯德尔牛头相关值

  • “斯皮尔曼- 表示为输入值[R是斯皮尔曼RHO秩相关值

copulaparam使用一个近似为不具有现有解析公式系词家庭Spearman秩相关。的近似是基于平滑配合于在连接函数参数的离散值计算的值。为一个Ť连接函数,近似是准确的自由度大于0.05的。

例:“类型”,'斯皮尔曼

输出参数

全部收缩

线性相关性参数,返回作为标量值的标量值或矩阵。

  • 如果[R是一个标量相关系数,然后RHO是对应于二元系动词一个标量相关系数。

  • 如果[Rp-通过-p相关矩阵,然后RHOp-通过-p相关矩阵。

二元阿基米德Copula函数的参数,返回一个标量值。为允许值α依赖于特定的系词家庭。

系词家庭 允许alpha值
“克莱顿” [0,∞)
'坦率' (-∞,∞)
“冈贝尔” [1,∞)

数据类型:|

介绍了在R2006a