Załóżmy, że mam dwa jednoznaczne rozkłady krańcowe, powiedzmy i , z których mogę symulować. Teraz skonstruuj ich wspólny rozkład za pomocą kopuły Gaussa , oznaczonej jako . Wszystkie parametry są znane.
Czy istnieje metoda inna niż MCMC do symulacji z tej kopuły?
Odpowiedzi:
Istnieje bardzo prosta metoda symulacji z kopuły Gaussa, która opiera się na definicjach wielowymiarowego rozkładu normalnego i kopuły Gaussa.
Zacznę od podania wymaganej definicji i właściwości wielowymiarowego rozkładu normalnego, a następnie kopuły Gaussa, a następnie przedstawię algorytm do symulacji z kopuły Gaussa.
Wielowymiarowy rozkład normalnyX=(X1,…,Xd)′
Wektor losowy ma wielowymiarowy rozkład normalny, jeśli X d = μ + A Z , gdzie Z jest k- wymiarowym wektorem niezależnych standardowych normalnych zmiennych losowych, μ jest a d - wymiarowy wektor stałych, a A jest macierzą d × k stałych. Notacja d =
Gaussa kopuła Gaussa kopuła jest zdefiniowany implicitely z wielowymiarowej rozkładu normalnego, to znaczy kopułę Gaussa jest kopuła związane z wielowymiarowej rozkładu normalnego. Konkretnie, z twierdzenia Sklara kopula Gaussa to C P ( u 1 , … , u d ) = Φ P ( Φ - 1 ( u 1 ) , … , Φ - 1 ( u d ) ) , gdzie Φ
Algorytm symulacjiP Σ A Σ
W związku z powyższym naturalnym podejściem do symulacji z kopuły Gaussa jest symulacja z wielowymiarowego standardowego rozkładu normalnego z odpowiednią macierzą korelacji i przekształcenie każdego marginesu za pomocą transformaty całkowej prawdopodobieństwa ze standardową funkcją rozkładu normalnego. Podczas symulacji z wielowymiarowego rozkładu normalnego z macierzą kowariancji Σ zasadniczo sprowadza się do wykonania ważonej sumy niezależnych standardowych normalnych zmiennych losowych, gdzie macierz „wagi” A można uzyskać przez rozkład Cholesky'ego macierzy kowariancji Σ .
Dlatego algorytmem symulującym próbek z kopuły Gaussa z macierzą korelacji P jest:n P
Poniższy kod w przykładowej implementacji tego algorytmu przy użyciu R:
Poniższa tabela pokazuje dane wynikające z powyższego kodu R.
źródło