copulaparam

Параметры связки как функция порядковой корреляции

Описание

пример

rho = copulaparam('Gaussian',r) возвращает параметры линейной корреляции, rho, это соответствует Гауссовой связке с порядковой корреляцией Кендалла, r.

rho = copulaparam('t',r,nu) возвращает параметры линейной корреляции, rho, это соответствует связке t с порядковой корреляцией Кендалла, r, и степени свободы, nu.

alpha = copulaparam(family,r) возвращает параметр связки, alpha, это соответствует двумерной Архимедовой связке типа, заданного family, с порядковой корреляцией Кендалла, r.

___ = copulaparam(___,Name,Value) возвращает параметр корреляции с помощью любого из предыдущих синтаксисов, с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы. Например, можно задать, является ли входным значением порядковой корреляции rho Копьеносца или tau Кендалла.

Примеры

свернуть все

Сгенерируйте сопоставленные случайные данные от бета распределения с помощью двумерной Гауссовой связки с tau порядковой корреляцией Кендалла, равной-0.5.

Вычислите параметр линейной корреляции из значения порядковой корреляции.

rng default  % For reproducibility
tau = -0.5;
rho = copulaparam('Gaussian',tau)
rho = -0.7071

Используйте Гауссову связку, чтобы сгенерировать матрицу 2D столбца зависимых случайных значений.

u = copularnd('gaussian',rho,100);

Каждый столбец содержит 100 случайных значений между 0 и 1, включительно, произведенный от непрерывного равномерного распределения.

Создайте scatterhist постройте, чтобы визуализировать сгенерированное использование случайных чисел связки.

figure
scatterhist(u(:,1),u(:,2))

Гистограммы показывают, что данные в каждом столбце связки имеют крайнее равномерное распределение. scatterplot показывает, что данные в этих двух столбцах негативно сопоставляются.

Используйте инверсию cdf функциональный betainv преобразовать каждый столбец универсальных предельных распределений в случайные числа от бета распределения. В первом столбце первый параметр формы A равен 1, и второй параметр формы B равен 2. Во втором столбце первый параметр формы A равен 1,5, и второй параметр формы B равен 2.

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

Создайте scatterhist постройте, чтобы визуализировать сопоставленные бета данные о распределении.

figure
scatterhist(b(:,1),b(:,2))

Гистограммы показывают крайние бета распределения для каждой переменной. scatterplot показывает отрицательную корреляцию.

Проверьте, что выборка имеет порядковую корреляцию, приблизительно равняются начальному значению для tau Кендалла.

tau_sample = corr(b,'type','kendall')
tau_sample = 2×2

    1.0000   -0.5135
   -0.5135    1.0000

Демонстрационная порядковая корреляция-0.5135 приблизительно равна-0.5 начальным значениям для tau.

Входные параметры

свернуть все

Порядковая корреляция связки, возвращенная как скалярное значение или матрица скалярных значений.

  • Если r скалярный коэффициент корреляции, затем rho скалярный коэффициент корреляции, соответствующий двумерной связке.

  • Если r p-by-p корреляционная матрица, затем rho p-by-p корреляционная матрица.

Если связка задана как один из двумерных Архимедовых типов связки ('Clayton', 'Frank', или 'Gumbel'), затем r скалярное значение.

Степени свободы для t связки в виде положительного целочисленного значения.

Типы данных: single | double

Двумерное Архимедово семейство связок в виде одного из следующих.

'Clayton'Связка Клейтона
'Frank'Откровенная связка
'Gumbel'Связка Gumbel

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'type','Spearman' вычисляет порядковую корреляцию Копьеносца.

Тип порядковой корреляции в виде разделенной запятой пары, состоящей из 'type' и одно из следующих.

  • 'Kendall' — Указывает что входное значение для r значение корреляции tau Кендалла

  • 'Spearman' — Указывает что входное значение для r значение порядковой корреляции rho Копьеносца

copulaparam использует приближение для порядковой корреляции Копьеносца для семейств связок, которые не имеют существующей аналитической формулы. Приближение основано на сглаженной подгонке к значениям, вычисленным в дискретных значениях параметров связки. Для связки t приближение точно для степеней свободы, больше, чем 0,05.

Пример: 'type','Spearman'

Выходные аргументы

свернуть все

Параметр линейной корреляции, возвращенный как скалярное значение или матрица скалярных значений.

  • Если r скалярный коэффициент корреляции, затем rho скалярный коэффициент корреляции, соответствующий двумерной связке.

  • Если r p-by-p корреляционная матрица, затем rho p-by-p корреляционная матрица.

Двумерный Архимедов параметр связки, возвращенный как скалярное значение. Разрешенные значения для alpha зависьте от заданного семейства связок.

Семейство связокРазрешенные альфа-значения
'Clayton'[0,∞)
'Frank'(-∞,∞)
'Gumbel'[1,∞)

Типы данных: single | double

Введен в R2006a
Для просмотра документации необходимо авторизоваться на сайте