copularnd

连系动词随机数

折叠所有页面

语法

u = copularnd(“高斯”,ρ,n)
u = copularnd (“t”,ρ,ν,n)
u = copularnd(家庭,α,n)

描述

例子

u= copularnd(“高斯”,ρ,n)返回n随机向量产生的高斯copula与线性相关参数ρ。

u= copularnd (“t”,ρ,ν,n)返回n由a生成的随机向量t具有线性相关参数的联结器ρ以及自由度ν。

u= copularnd (家庭,α,n)返回n由指定类型的二元阿基米德copula生成的随机向量家庭标量参数α。

例子

全部折叠

打开生活的脚本

生成相关随机数据从贝塔分布使用双变量高斯copula与肯德尔τ秩相关等于-0.5。

由秩相关值计算线性相关参数。

rng默认的%的再现性τ= -0.5;ρ= copulaparam (“高斯”τ)
ρ= -0.7071

使用高斯copula来产生一个相关随机值的两列矩阵。

u = copularnd (“高斯”,ρ,100);

每一列包含从连续均匀分布中采样的0到1之间的100个随机值。

创建一个scatterhist图形可视化随机数产生使用copula。

图scatterhist (u (: 1), (2):,)

直方图表明，copula每一列的数据具有边缘均匀分布。散点图显示，两列的数据是负相关的。

使用逆cdf函数betainv将均匀边际分布的每一列从beta分布转换为随机数。在第一列中，第一个形状参数一个等于1，第二个形状参数呢B等于2。在第二列中，第一个形状参数一个等于1。5，第二个形状参数呢B等于2。

b = [betainv(u:，1)，1,2)， betainv(u:，2)，1.5,2)];

创建一个scatterhist图可视化相关的贝塔分布数据。

图scatterhist (b (: 1), (2):,)

直方图显示了每个变量的边际beta分布。散点图显示了负相关关系。

验证样本具有近似等于肯德尔初始值的秩相关τ。

tau_sample = corr (b,“类型”,“假象”)
tau_sample =2×21.0000 -0.5135 -0.5135 1.0000

-0.5135的样本秩相关近似等于的-0.5初值τ。

输入参数

全部折叠

连接的线性相关参数，指定为标量值或标量值的矩阵。

  • 如果ρ是一个p——- - - - - -p相关矩阵，然后输出参数u是一个n——- - - - - -p矩阵。

  • 如果ρ是标量相关系数，那么输出参数呢u是一个n2矩阵。

数据类型:单|双

要返回的随机向量的数目，指定为正标量值。

  • 如果您指定连接字类型为“高斯”或“t”,ρ是一个p——- - - - - -p相关矩阵,然后u是一个n——- - - - - -p矩阵。

  • 如果您指定连接字类型为“高斯”或“t”,ρ是标量相关系数，那么u是一个n2矩阵。

  • 如果您指定连接字类型为“克莱顿”,“弗兰克”,或“甘力克”,然后u是一个n2矩阵。

数据类型:单|双

的自由度t连接，指定为正整数值。

数据类型:单|双

双变量阿基米德copula科，指定为下列之一。

“克莱顿” 克莱顿连系动词
“弗兰克” 弗兰克连系动词
“甘力克” 甘力克连系动词

二元阿基米德联结参数，指定为标量值。允许的值α依赖于指定的连接族。

连系动词的家庭 允许α值
“克莱顿” [0,∞)
“弗兰克” (-∞∞)
“甘力克” (∞)

数据类型:单|双

输出参数

全部折叠

连接随机数，以标量值的矩阵返回。每一列的u样品是来自a吗制服(0,1)边缘分布。

  • 如果您指定连接字类型为“高斯”或“t”,ρ是一个p——- - - - - -p相关矩阵,然后u是一个n——- - - - - -p矩阵。

  • 如果您指定连接字类型为“高斯”或“t”,ρ是标量相关系数，那么u是一个n2矩阵。

  • 如果您指定连接字类型为“克莱顿”,“弗兰克”,或“甘力克”,然后u是一个n2矩阵。

另请参阅

|||

主题

介绍了R2006a

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习:用MATLAB逐步指导

掌握机器学习:用MATLAB逐步指导

下载电子书