主要内容

copularnd.

copula随机数

页面上倒塌

句法

u = copularnd（'高斯'，rho，n）
U = copularnd（'t'，rho，nu，n）
u = copularnd（家庭，alpha，n）

描述

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（'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（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。

例子

全部收缩

打开直播脚本

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。

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。

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。

输入参数

全部收缩

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

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。

  • 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。

数据类型：单身的|双倍的

自由度T.Copula，指定为正整数值。

数据类型：单身的|双倍的

Bivariate Archimedean Copula家族，被指定为以下之一。

'克莱顿' Clayton Copula.
'坦率' 弗兰克copula.
'gumbel' gumbel copula.

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家族 允许的alpha值
'克莱顿' [0，∞）
'坦率' （ - ∞，∞）
'gumbel' [1，∞）

数据类型：单身的|双倍的

输出参数

全部收缩

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。

  • 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。

  • 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。

也可以看看

|||

话题

在R2006A介绍

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书