Академический Документы
Профессиональный Документы
Культура Документы
Definicin
Funcin de distribucin de probabilidad (bi o multivariante), cuyas distribuciones marginales son uniformes
[0,1].
Propiedades
Medidas de asociacin:
*Tau de Kendall
*Rho de Spearman
*Coeficiente de correlacin lineal de Pearson
Cuantifican relaciones no necesariamente lineales, se utilizan directamente como funciones de evaluacin para
contrastar la independencia de variables.
*Dependencia negativa perfecta(-1),variables aleatorias contramonotonicas
*Dependencia positiva perfecta(1), comonotonicas
Conforme se aleja de -1 y 1 la medida, es sinnimo de falta de dependencia entre las variables.
Ventajas
1. Copulas paramtricas
Cpulas elpticas
Se asocian a distribuciones elpticas (simtricas)
Las copulas Normales y de Student son cpulas elpticas, son simtricas y de utilizacin relativamente
simple, ya que se conocen bien las distribuciones asociadas.
Copula Normal
Donde
x e y se distribuyen conjuntamente tv de Student con grados de libertad y
coeficiente de correlacin de Pearson [1, 1] y es la funcin inversa de la distribucin t de Student con grados
de libertad.
En el caso bivariado el parmetro es el valor del coeficiente de correlacin lineal de Pearson. Para el caso
multivariado es la matriz de correlacin.
Copulas arquimedianas
Permiten, a diferencia de las elpticas (simtricas) y de las de valor extremo (muy orientadas a dependencias en las
colas), recoger muchos tipos de estructuras de dependencia adicionales. Otra ventaja de este tipo de copulas es la
facilidad con la que pueden ser construidas.
La cual debe ser continua, estrictamente decreciente, convexa y cumple que (1)=0, es la pseudo- inversa de .
Copula de Frank
La funcin de distribucin:
Y la funcin de densidad:
Copula de Gumbel
Funcin de distribucin:
Funcin de densidad:
Copula de Clayton
La funcin de distribucin para la copula de Clayton es:
y la densidad:
Sea una funcin de distribucin bidimensional cuyas marginales son Fx y Fy. Entonces,
existe una cpula C / (x, y) [ ,], tal que:
F(x, y)= C(Fx (x), Fy ( y))
asegura no solamente que las copulas son funciones de distribucin conjuntas, sino
que el reciproco tambin es cierto: las funciones de distribucin conjuntas se pueden
reescribir en trminos de las marginales y una nica subcpula, que a su vez puede
extenderse (en general, no de forma nica) a una copula.
3. Seleccin de una copula por familia. En el caso paramtrico se trata de determinar los
valores asociados a los parmetros correspondientes a cada familia para lo cual, se
suelen utilizar expresiones que permitan el calculo de dichos parmetros a partir de la
estimacin muestra de alguna medida de asociacin como el cociente de correlacin de
Spearman o la Tau de Kendall.