लगभग कोई भी बिवरिएट कोप्युला कुछ गैर-अक्षीय सहसंबंध के साथ सामान्य यादृच्छिक चर की एक जोड़ी का उत्पादन करेगा (कुछ शून्य देगा लेकिन वे विशेष मामले हैं)। उनमें से अधिकांश (लगभग सभी) एक गैर-सामान्य राशि का उत्पादन करेंगे।
कुछ कोप्युला परिवारों में किसी भी वांछित (जनसंख्या) स्पीयरमैन सहसंबंध का उत्पादन किया जा सकता है; कठिनाई केवल सामान्य मार्जिन के लिए पियर्सन सहसंबंध को खोजने में है; यह सिद्धांत रूप में उल्लेखनीय है, लेकिन बीजगणित सामान्य रूप से काफी जटिल हो सकता है। [हालांकि, यदि आपके पास जनसंख्या स्पीयरमैन सहसंबंध है, तो पीयरसन सहसंबंध - कम से कम हल्के पूंछ वाले मार्जिन जैसे कि गौसियन के लिए - कई मामलों में इससे बहुत दूर नहीं हो सकता है।]
सभी लेकिन कार्डिनल के प्लॉट में पहले दो उदाहरणों को गैर-सामान्य रकम देना चाहिए।
कुछ उदाहरण - पहले दो दोनों एक ही कोप्युला परिवार से हैं जैसे कि कार्डिनल के उदाहरण के पांचवें बाइवारीट वितरण, तीसरा पतित है।
उदाहरण 1:
क्लेटन योजक ( )θ = - 0.7
यहाँ योग बहुत विशिष्ट रूप से चरम पर है और काफी दृढ़ता से दाईं ओर तिरछा है
उदाहरण 2:
क्लेटन योजक ( )θ = 2
यहाँ योग को हल्के से तिरछा छोड़ दिया जाता है। बस हर किसी के लिए काफी स्पष्ट नहीं है, यहाँ मैंने वितरण को फ़्लिप किया है (यानी हमारे पास हिलेोग्राम पेल पर्पल में है) और इसे सुपरिम्पोज़ किया गया है ताकि हम विषमता को और अधिक स्पष्ट रूप से देख सकें:- ( x + y)
एक्स*= - एक्सY*= - वाई
दूसरी ओर यदि हम उनमें से किसी एक को नकार देते हैं, तो हम सहसंबंध के संकेत के साथ तिरछापन की ताकत के बीच जुड़ाव को बदल देंगे (लेकिन इसकी दिशा नहीं)।
यह भी कुछ अलग सहपाठियों के साथ चारों ओर खेलने लायक है कि यह द्विभाजित वितरण और सामान्य मार्जिन के साथ क्या हो सकता है।
T-copula के साथ Gaussian हाशिये का प्रयोग किया जा सकता है, बिना सहपाठियों के विवरणों के बारे में अधिक चिंता किए बिना (सहसंबद्ध बाइवेरेट t से उत्पन्न होता है, जो कि आसान है, फिर समरूप अभिन्न परिवर्तन के माध्यम से एकसमान मार्जिन में परिवर्तित होता है, फिर Gaussian के माध्यम से समान मार्जिन को बदल दिया जाता है। उलटा सामान्य cdf)। यह एक गैर-सामान्य-लेकिन-सममित राशि होगी। यहां तक कि अगर आपके पास अच्छा कोप्युला-पैकेज नहीं है, तो भी आप कुछ चीजें काफी आसानी से कर सकते हैं (जैसे कि अगर मैं एक्सेल में क्विकली एक उदाहरण दिखाने की कोशिश कर रहा था, तो शायद मैं टी-कोप्युला से शुरू करूंगा)।
-
उदाहरण 3 : (यह शुरू में मुझे क्या करना चाहिए यह अधिक पसंद है)
यूवी= यू0 ≤ यू< १2वी= ३2- यू12≤ यू≤ १यूवीएक्स= Φ- 1( यू) , वाई= Φ- 1( वी)एक्स+ य
इस मामले में उनके बीच संबंध 0.66 के आसपास है।
एक्सY
[ के केंद्र फ़्लिप करके सहसंबंधों की एक श्रृंखला उत्पन्न कर सकता है)U(12−c,12+c)c[0,12]V
कुछ कोड:
library("copula")
par(mfrow=c(2,2))
# Example 1
U <- rCopula(100000, claytonCopula(-.7))
x <- qnorm(U[,1])
y <- qnorm(U[,2])
cor(x,y)
hist(x,n=100)
hist(y,n=100)
xysum <- rowSums(qnorm(U))
hist(xysum,n=100,main="Histogram of x+y")
plot(x,y,cex=.6,
col=rgb(0,100,0,70,maxColorValue=255),
main="Bivariate distribution")
text(-3,-1.2,"cor = -0.68")
text(-2.5,-2.8,expression(paste("Clayton: ",theta," = -0.7")))
दूसरा उदाहरण:
#--
# Example 2:
U <- rCopula(100000, claytonCopula(2))
x <- qnorm(U[,1])
y <- qnorm(U[,2])
cor(x,y)
hist(x,n=100)
hist(y,n=100)
xysum <- rowSums(qnorm(U))
hist(xysum,n=100,main="Histogram of x+y")
plot(x,y,cex=.6,
col=rgb(0,100,0,70,maxColorValue=255),
main="Bivariate distribution")
text(3,-2.5,"cor = 0.68")
text(2.5,-3.6,expression(paste("Clayton: ",theta," = 2")))
#
par(mfrow=c(1,1))
तीसरे उदाहरण के लिए कोड:
#--
# Example 3:
u <- runif(10000)
v <- ifelse(u<.5,u,1.5-u)
x <- qnorm(u)
y <- qnorm(v)
hist(x+y,n=100)