Copula函数理论及MATLAB实现三维联合分布拟合
Copula函数的应用分为以下四个步骤:
1.确定各特征变量的边缘分布;
2.确定Copula函数的参数;
3.根据评价指标选取合适的Copula函数,并建立特征变量的联合分布;
4.基于特征变量的联合分布进行相应的频率分析。
Copula函数参数估计
Copula函数参数 θ 的估计方法有:
一. 参数法
二. 非参数法
- 适线法(Fitting curve)
- 极大似然法(Maxium likelihood)
- 相关性指标法
- 边际推断函数(IFM)估计法
确定三维Copula函数的参数 - MBP估计法
二维Copula函数
copulafit——ML最大似然法
相应MATLAB代码如下:
三维Copula函数的求解
利用参数法中的边际推断函数估计法(Inference of Function for Margins,IFM)确定三维Copula函数的参数。
翻阅网上各可能求解方案,如下:
1.求解最大似然估计的俩种方法
参考帖子:特定分布的极大似然估计
2.针对错误❌:DATA must be a vector.
3.针对函数mle:
[phat , pci] = mle(data,'pdf',自定义pdf,'cdf',自定义cdf,'start',猜测的分布参数值)
问题:‘pdf’缺省为正态分布?
相应MATLAB代码如下:
另:极大似然估计的步骤:
1、写出似然函数
2、对似然函数取对数,并整理
3、求导数
4、解似然方程