ケンド，ルのτ-0.5順位相関をに設定し,二変量ガウス型コピュラを使用して,無作為な相関データをベータ分布から生成します。

順位相関値から線形相関パラメ，タ，を計算します。

rng默认的%用于再现性Tau = -0.5;copulaparam(“高斯”τ)

Rho = -0.7071

ガウス型コピュラを使用して，依存関係がある乱数値が含まれている2列の行列を生成します。

U =共生(“高斯”,ρ,100);

列ごとに，連続一様分布から抽出した0以上1以下の乱数値が100個含まれています。

コピュラを使用して生成した乱数を可視化するため，scatterhistプロットを作成します。

图scatterhist (u (: 1), (2):,)

ヒストグラムは，コピュラの各列のデ，タに一様な周辺分布があることを示しています。散布図は，2の列のデ。

累積分布逆関数betainvを使用して，一様な周辺分布の各列をベ，タ分布による乱数に変換します。1个列目で，1个番目の形状パラメタ一个は1に，2番目の形状パラメタBは2に等しくなっています。2 .列目で，1 .番目の形状パラメ，タ，一个は1.5に，2番目の形状パラメタBは2に等しくなっています。

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

相関性があるベ，タ分布のデ，タを可視化するため，scatterhistプロットを作成します。

图scatterhist (b (: 1), (2):,)

ヒストグラムは，変数ごとの周辺ベ，タ分布を示しています。散布図は，負の相関を示しています。

標本の順位相関がケンド，ルのτの初期値にほぼ等しいことを確認します。

Tau_sample = corr(b，“类型”，“假象”）

tau_sample =2×21.0000 -0.5135 -0.5135 1.0000

標本の順位相関は-0.5135なので，τの初期値である-0.5とほぼ等しくなっています。