copularnd

连系动词随机数

全页折叠

语法

u = copularnd(“高斯”,ρ,n)

u = copularnd (“t”,ρ,ν,n)

U = copularnd（家族，α，n）的

描述

例子

u= copularnd（ '高斯'，ρ,n)返回n由具有线性相关参数的高斯copula产生的随机向量ρ。

u= copularnd (“t”,ρ,NU,n)返回n由a产生的随机向量t具有线性相关参数的copulaρ和自由度NU。

u= copularnd (家庭,α,n)返回n由具有指定类型的双变量阿基米德copula生成的随机向量家庭和标量参数α。

例子

全部折叠

使用反向cdf生成相关数据

开立真实脚本

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。

从秩相关值计算线性相关参数。

RNG默认的％用于重现tau蛋白= -0.5;RHO = copulaparam（“高斯”τ)

RHO = -0.7071

使用高斯copula产生一个两列相关随机值矩阵。

u = copularnd (“高斯”,ρ,100);

每个列包含100个从0到1之间的随机值，包括从连续均匀分布中采样的值。

创建一个scatterhist绘图以可视化使用copula生成的随机数。

图scatterhist (u (: 1), (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函数betainv将均匀边际分布的每一列由贝塔分布转化为随机数。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，是第一个形状参数一个等于1.5，以及第二形状参数B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。

验证样本的秩相关近似等于Kendall的初值牛头。

tau_sample = corr (b,“类型”,“肯德尔)

tau_sample =2×21.0000 -0.5135 -0.5135 1.0000

-0.5135的样本秩相关约等于-0.5的初值牛头。

输入参数

全部折叠

`ρ`- - - - - -线性相关参数
标量值|标量值矩阵

系数的线性相关参数，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

`n`- - - - - -返回的随机向量的数目
积极的标量值

返回的随机向量的数目，指定为正的标量值。

如果将copula类型指定为“高斯”要么“t”和ρ是一个p——- - - - - -p相关矩阵,然后u是一个n——- - - - - -p矩阵。
如果将copula类型指定为“高斯”要么“t”和ρ为标量相关系数，则u是一个n2矩阵。
如果将copula类型指定为“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

`NU`- - - - - -自由度
正整数值

自由度tcopula，指定为正整数值。

数据类型:单|双

`家庭`- - - - - -二元阿基米德Copula函数族
`“克莱顿”`|`“弗兰克”`|`“甘力克”`

双变量阿基米德copula家族，指定为下列之一。

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

`α`- - - - - -双变量阿基米德copula参数
标量值

二元系动词阿基米德参数，指定为标量值。为允许值α取决于指定的copula家族。

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

`u`- Copula随机数
标量值矩阵

Copula随机数，作为标量值矩阵返回。每一列的u是a的样品吗制服(0,1)边缘分布。

如果将copula类型指定为“高斯”要么“t”和ρ是一个p——- - - - - -p相关矩阵,然后u是一个n——- - - - - -p矩阵。
如果将copula类型指定为“高斯”要么“t”和ρ为标量相关系数，则u是一个n2矩阵。
如果将copula类型指定为“克莱顿”,“弗兰克”,或“甘力克”,然后u是一个n2矩阵。