文件帮助中心
copula随机数
u = copularnd('高斯',rho,n)
U = copularnd('t',rho,nu,n)
u = copularnd(家庭,alpha,n)
例子
你= copularnd('高斯',rho.那N)回报N具有线性相关参数的高斯库中生成的随机载体rho.。
你= copularnd('高斯',rho.那N)
你
rho.
N
你= copularnd('t',rho.那nu.那N)回报N从a产生的随机vectorsT.Copula具有线性相关参数rho.和自由度nu.。
你= copularnd('t',rho.那nu.那N)
nu.
你= copularnd(家庭那α那N)回报N从一体的双方群组生成的随机向量,该谱系具有指定的类型家庭和标量参数α。
你= copularnd(家庭那α那N)
家庭
α
全部收缩
使用与Kendall的一只双变量高斯Copula一起生成来自Beta分布的相关随机数据TAU等级相关等于-0.5。
从等级相关值计算线性相关参数。
RNG.默认重复性的%tau = -0.5;rho = copulaparam('高斯',tau)
rho = -0.7071.
使用高斯库格生成从属随机值的两列矩阵。
u = copularnd('高斯',rho,100);
每列包含100个0和1之间的随机值,包括连续均匀分布的含量。
创建一个散点图绘图可视化使用copula生成的随机数。
散点图
图散点图(U(:,1),U(:,2))
直方图表明,Copula的每列中的数据具有边缘均匀的分布。散点图显示了两列中的数据是负相关的。
使用逆CDF功能贝纳韦从测试版分布将均匀边缘分布的每列变换为随机数。在第一列中,第一个形状参数一种等于1和第二形状参数B.等于2.在第二列中,第一个形状参数一种等于1.5和第二形状参数B.等于2。
贝纳韦
B = [BetainV(u(:,1),1,2),BetainV(U(:,2),1.5,2)];
创建一个散点图绘图可视化相关的Beta分布数据。
图散隙(b(:,1),b(:,2))
直方图显示每个变量的边缘β发行版。散点图显示了负相关。
验证样本是否具有秩相关大致等于Kendall的初始值TAU。
tau_sample = corr(b,'类型'那'肯德尔')
tau_sample =.2×21.0000 -0.5135 -0.5135 1.0000
-0.5135的样本等级相关性大致等于-0.5初始值TAU。
Copula的线性相关参数,指定为标量值或标量值的矩阵。
如果rho.是A.P.-经过-P.相关矩阵,然后是输出参数你是一个N-经过-P.矩阵。
如果rho.是标量相关系数,然后是输出参数你是一个N- 2矩阵。
数据类型:单身的|双倍的
单身的
双倍的
随机向量的数量返回,指定为正标量值。
如果您指定Copula类型为'高斯'或者'T', 和rho.是A.P.-经过-P.相关矩阵,然后你是一个N-经过-P.矩阵。
'高斯'
'T'
如果您指定Copula类型为'高斯'或者'T', 和rho.然后是标量相关系数,然后你是一个N- 2矩阵。
如果您指定Copula类型为'克莱顿'那'坦率', 或者'gumbel', 然后你是一个N- 2矩阵。
'克莱顿'
'坦率'
'gumbel'
自由度T.Copula,指定为正整数值。
Bivariate Archimedean Copula家族,被指定为以下之一。
Bivariate Archimedean Copula参数,指定为标量值。允许的值α取决于指定的copula家族。
Copula随机数,作为标量值的矩阵返回。每列你是一个来自a的样本制服(0,1)边缘分布。
制服(0,1)
Copulacdf.|Copulaparam.|Copulapdf.|Copulastat
Copulacdf.
Copulaparam.
Copulapdf.
Copulastat
系统上存在此示例的修改版本。你想打开这个版本吗?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室