3 votos

Bivariante copula gaussiana con márgenes exponenciales

Me perdí un poco en las fórmulas.

Supongamos tener dos variables aleatorias distribuidas exponencialmente $X_i \sim Exp(\lambda_i)$ y $X_j \sim Exp(\lambda_j)$.

Por lo tanto, las funciones de distribución son $F_{X_i}(x_i)= 1-\exp(-\lambda_i x_i)$ y $F_{X_j}(x_j)=1-\exp(-\lambda_j x_j)$.

¿Cuál es la fórmula de una cópula gaussiana, $C(u,v)$, que vincula estas marginales exponenciales?

3voto

mfraser Puntos 71

$$C(u,v) = \mathbb{P}\left(X\leq N^{(-1)}(u),\quad \rho X + \sqrt{1-\rho^2}X^\perp \leq N^{(-1)}(v)\right)$$

1 votos

+1, con $X$ y $X^{\perp}$ siguiendo una distribución $\mathcal{N}(0,1)$.

1 votos

+1, eso es correcto. Sea $\Phi_2$ la función de distribución gaussiana bidimensional, entonces la cópula está definida por $C(u, v) = \Phi_2(N^{-1}(u), N^{-1}(v))$. Además, $X_i$ y $X_j$ pueden ser simulados por $X_i = F_i^{-1}(N(X))$ y $X_j = F_j^{-1}(N(\rho X + \sqrt{1-\rho^2}X^\perp))$, donde $F_i$ y $F_j$ son las respectivas funciones de distribución acumulada de $X_i$ y $X_j$.

0 votos

¿Qué es $X^{\perp}$, @MJ73550?

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X