Professional Documents
Culture Documents
Contenidos
Teorema de Sklars
La cpula Arquimidiana
La clula emprica
Copula elptica
I II III V VI VI
Introduccin
El trmino cpula, introducido por Sklars en 1959, son herramientas para el estudio de la estructura de dependencia
de distribuciones multivariantes.
La funcin de distribucin conjunta habitual contiene la informacin tanto sobre el comportamiento marginal de las
variables aleatorias individuales y sobre la estructura de dependencia entre las variables. La cpula se introduce para
desacoplar las propiedades marginales de las variables aleatorias y las estructuras de dependencia.
Una cpula mdimensional es una funcin de distribucin
conjunta con todas las distribuciones marginales de ser uniforme estndar. La notacin comn para una cpula es C(u1 ,
. . . , um ).
Puede existir evidencia emprica que respalda que los supuestos de independencia no se cumplen, el concepto de cpula
es de gran ayuda para hacer frente a estos problemas.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
4/46
I II III V VI VI
Para todo u S1 y v S2 ,
C 0 (u, 1) = u y C 0 (1, v) = v.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
5/46
I II III V VI VI
Para todo u, v en I2 .
C(u, 0) = 0 = C(0, v)
y
C(u, 1) = u y C(1, v) = v;
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
6/46
I II III V VI VI
Cota de Frchet-Hoeffding
Teorema:
Sea C 0 una sub-cpula. Entonces para todo (u, v) en Dom C 0 ,
max(u + v 1, 0) C 0 (u, v) mn(u, v).
Demostracin: ver Nelsen, teorema 2.2.3, pgina 11.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
7/46
I II III V VI VI
Teorema:
Sea C 0 una sub-cpula. Entonces, para todo (u1 , u2 ), (v1 , v2 ) en
Dom C 0 ,
|C 0 (u2 , v2 ) C 0 (u1 , v1 )| |u2 u1 | + |v2 v1 |.
Por lo tanto, C 0 es uniformemente continuo en su dominio.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
8/46
I II III V VI VI
C(u, v) 1.
u
Anlogamente, para cualquier u en I, la derivada parcial C(u, v)/v
existe para casi todo v y para todo u y v,
0
C(u, v) 1.
v
Adems, la funcin u C(u, v)/v y v C(u, v)/u estn
definidas y son no decrecientes en casi todas partes en I.
0
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
9/46
Teorema de Sklars
I II III V VI VI
F () = 0 y F (+) = 1.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
11/46
I II III V VI VI
Definicin:
Una funcin de distribucin conjunta bivariante es una funcin
2
H con dominio R de tal manera que
1
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
12/46
I II III V VI VI
Teorema de Sklars
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
13/46
I II III V VI VI
Modelos Multivariados
17-11-2014
14/46
I II III V VI VI
Cuasi-inversa
Sin embargo, si una marginal no es estrictamente creciente, entonces no posee una inversa en el sentido habitual. Por lo tanto,
primero tenemos que definir la cuasi-inversa de una funcin de
distribucin.
Definicin:
Sea F una funcin de distribucin. Entonces una cuasi-inversa de
F es cualquier funcin F (1) con dominio I de tal manera que
1
Si t
/ RanF , entonces
F (1) (t) = nf{x|F (x) t} = sup{x|F (x) t}
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
15/46
I II III V VI VI
Sea H un funcin de distribucin conjunta, F y G las distribuciones marginales, C 0 una sub-cpula. Entonces, para cualquier
(u, v) DomC 0
C 0 (u, v) = H(F (1) (u), G(1) (v)).
El resultado anterior se mantiene para cpulas si F y G son continuas y proporciona un mtodo de construccin de cpulas desde
la funcin de distribucin conjunta.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
16/46
I II III V VI VI
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
17/46
I II III V VI VI
(u), G
h
i1/
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
18/46
I II III V VI VI
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
20/46
I II III V VI VI
Cpulas de transformaciones
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
21/46
I II III V VI VI
Cpulas de transformaciones
Teorema: Sea X e Y dos VAs continuas con cpula CXY . Sea
y funciones estrictamente montonas en RanX y RanY , respectivamente.
1
Modelos Multivariados
17-11-2014
22/46
I II III V VI VI
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
23/46
I II III V VI VI
Cpulas de supervivencia
La funcin de supervivencia (o funcin de confiabilidad) est
definida por
F (x) = P[X > x] = 1 F (x).
La funcin de supervivencia conjunta es
H(x, y) = P[X > x, Y > y].
Las funciones marginales de supervivencia son F = H(x, )
y G = H(, y)
Considere la siguiente relaciones: H(x, y) = 1F (x)G(y)+
H(x, y) = F (x) + G(y) 1 + C(1 F (x), 1 G(y)).
v) = u + v 1 + C(1 u, 1 v) entonces
Si C(u,
(x), G(y)),
H(x, y) = C(F
donde C es llamada cpula de supervivencia.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
24/46
I II III V VI VI
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
25/46
I II III V VI VI
cu (v) = P [V v|U = u] = lm
Los pasos a seguir son:
1
3
4
(1)
Modelos Multivariados
17-11-2014
26/46
I II III V VI VI
0,
en otro caso.
Con marginales F y G dadas por
0,
(x + 1)/2,
F (x) =
1,
x < 1,
x [1, 1],
x > 1,
y G(y) =
0,
1 ey ,
y < 0,
y 0.
Modelos Multivariados
17-11-2014
27/46
I II III V VI VI
uv
,
u + v uv
donde
C(u, v)
cu (v) =
=
u
v
u + v uv
2
y
c1
u (t)
u t
.
=
1 (1 u) t
Calcule v =
Calcule x = 2u 1 e y = log(1 v)
u t
,
1(1u) t
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
28/46
La cpula Arquimidiana
I II III V VI VI
La cpula Arquimidiana
En estas cpulas se puede encontrar una amplia gama de aplicaciones para una serie de razones:
la facilidad con la que pueden ser construidos;
la gran variedad de familias de cpulas que pertenecen a esta
clase;
bastantes buenas propiedades que poseen los miembros de
esta clase.
Las cpulas Arqumidianas originariamente, no aparecieron en la
estadstica, sino ms bien en el estudio de los espacios mtricos
probabilsticos, donde fueron estudiadas como parte del desarrollo
de una versin probabilista de la desigualdad triangular.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
30/46
I II III V VI VI
Modelos Multivariados
17-11-2014
31/46
I II III V VI VI
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
32/46
I II III V VI VI
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
33/46
I II III V VI VI
La cpula Clayton
Sea la funcin generadora de cpulas (t) = 1 t 1 para
[1, +) {0} (estricta si 0). Entonces, una cpula
arquimidiana se dice de Clayton si es definida mediante
h
i1/
C (u, v) = m
ax u + v 1, 0
.
Note que el ejemplo anterior es una cpula de Clayton para =
1.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
34/46
I II III V VI VI
La cpula Frank
h
i
Sea la funcin generadora de cpulas (t) = log exp(t)1
exp()1
para (, +) {0}. Entonces, una cpula arquimidiana
se dice de Frank si es definida mediante
1
[exp(u) 1][exp(v) 1]
C (u, v) = log 1 +
.
exp() 1
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
35/46
I II III V VI VI
La cpula Gumbel
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
36/46
La clula emprica
I II III V VI VI
1X
nmero de elementos en la muestra t
=
1(xi t),
Fn (t) =
n
n
i=1
Modelos Multivariados
17-11-2014
38/46
I II III V VI VI
Cpula emprica
Sea {(xk , yk )}nk=1 la realizacin de una muestra aleatoria de tamao n desde una distribucin continua bivariada. La cpula emprica es la funcin Cn dada por
Cn
i j
,
n n
=
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
39/46
I II III V VI VI
Cpula emprica
Sea {(xi , yi )}ni=1 la realizacin de una MA de tamao n desde
una distribucin continua bivariada. Considere Ui = F (xi ) y
i = Fn (xi ) =
Vi =PG(yi ). Sabemos que FDE corregida sera
U
P
n
n
1
1
Fn1 (u), G
1
= H(
n (v))
P
n
1
1
1
= n i=1 1(x
i Fn (u), yi Gn (v))
P
n (yi ) v
= n1 ni=1 1 Fn (xi ) u, G
P
i u, Vi v
= n1 ni=1 1 U
i = Ri y Vi = Si , adems Ri = Pn 1(xj xi ) y
dondePU
j=1
n+1
n+1
Si = nj=1 1(yj yi ) son los rangos de Xi e Yi respectivamente.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
40/46
I II III V VI VI
xi
2
4
6
3
8
yi
7
2
9
1
3
Ri
1
3
4
2
5
Si
4
2
5
1
3
i = Ri /6
U
0,17
0,50
0,67
0,33
0,83
Vi = Si /6
0,67
0,33
0,83
0,17
0,50
u
0,20
0,40
0,60
0,80
1,00
v
0,20
0,40
0,60
0,80
1,00
Cn (u, v)
0/5 = 0,00
1/5 = 0,20
2/5 = 0,40
3/5 = 0,60
5/5 = 1,00
C(u, v) = uv
0,04
0,16
0,36
0,64
1,00
P
Por ejemplo, R4 = 5j=1 1(xj 3) = 1 + 1 = 2.
Los valores de u y v pueden ser cualquier valor en [0, 1], en
este caso se consider u = v = i/5.
Cn (u, v), es la cpula emprica y C(u, v), es la cpula producto.
P
i 0,60; Vi
Por ejemplo, Cn (0,60; 0,60) = 15 5i=1 1(U
0,60) = 2/5, pues slo (0, 50; 0, 33) y (0, 33; 0, 17) cumplen
la condicin.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
41/46
Clula elptica
I II III V VI VI
Cpula elptica
Son aquellas que se encuentran asociadas a variables aleatorias cuya funcin de distribucin miltivariada es simtrica ,
por lo que las curvas de nivel de las variables aleatorias que
tengan este tipo de cpulas forman elipses.
Las dos cpulas ms importantes son la cpula normal y la
cpula t student.
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
43/46
I II III V VI VI
Cpula normal
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
44/46
I II III V VI VI
Cpula t-student
mrodriguez@ucm.cl
Modelos Multivariados
17-11-2014
45/46
Fin Sesin 1
Gracias por asistir a esta presentacin