文档帮助中心
连系动词随机数
u = copularnd(“高斯”,ρ,n)
u = copularnd (“t”,ρ,ν,n)
U = copularnd(家族,α,n)的
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( '高斯',ρ,n)
u
ρ
n
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 (“t”,ρ,NU,n)
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。
u= copularnd (家庭,α,n)
家庭
α
全部折叠
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。
scatterhist
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。
betainv
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。
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
单
双
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。
“高斯”
“t”
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。
“克莱顿”
“弗兰克”
“甘力克”
自由度tcopula,指定为正整数值。
双变量阿基米德copula家族,指定为下列之一。
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。
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。
制服(0,1)
copulacdf|copulaparam|copulapdf|copulastat
copulacdf
copulaparam
copulapdf
copulastat
您的系统中存在此示例的修改版本。你想打开这个版本吗?
你点击了一个链接,对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入该命令来运行它。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站来获取可用的翻译内容,并查看本地事件和报价。根据你的位置,我们建议你选择:。
您还可以选择从下面的列表中的网站:
选择中国网站(中文或英文),以获得最佳的网站表现。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系你当地的办公室