Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011

Samankaltaiset tiedostot
Kopuloiden teoria pähkinänkuoressa

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Satunnaismuuttujien muunnokset ja niiden jakaumat

Ilkka Mellin (2008) 1/5

1. Olkoon f :, Ratkaisu. Funktion f kuvaaja välillä [ 1, 3]. (b) Olkoonε>0. Valitaanδ=ε. Kun x 1 <δ, niin. = x+3 2 = x+1, 1< x<1+δ

Matemaattinen tilastotiede. Erkki Liski Matematiikan, Tilastotieteen ja Filosofian Laitos Tampereen Yliopisto

2 Funktion derivaatta

Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Matematiikan perusteet taloustieteilij oille I

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Tilastomatematiikka Kevät 2008

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9

Sovellettu todennäköisyyslaskenta B

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Analyysi 1. Harjoituksia lukuihin 4 7 / Syksy Tutki funktion f(x) = x 2 + x 2 jatkuvuutta pisteissä x = 0 ja x = 1.

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Positiivitermisten sarjojen suppeneminen

3 Derivoituvan funktion ominaisuuksia

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Johdantoa INTEGRAALILASKENTA, MAA9

MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M)

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Moniulotteiset satunnaismuuttujat ja jakaumat

Matematiikan tukikurssi

2 Funktion derivaatta

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Matematiikan peruskurssi 2

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Johdatus tn-laskentaan perjantai

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma

A = (a 2x) 2. f (x) = 12x 2 8ax + a 2 = 0 x = 8a ± 64a 2 48a x = a 6 tai x = a 2.

JATKUVUUS. Funktio on jatkuva jos sen kuvaaja voidaan piirtää nostamatta kynää paperista.

Luku 2. Jatkuvien funktioiden ominaisuuksia.

Yleistä tietoa kokeesta

031021P Tilastomatematiikka (5 op) viikko 7

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Seurauksia. Seuraus. Seuraus. Jos asteen n polynomilla P on n erisuurta nollakohtaa x 1, x 2,..., x n, niin P on muotoa

y = 3x2 y 2 + sin(2x). x = ex y + e y2 y = ex y + 2xye y2

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Matematiikan tukikurssi, kurssikerta 3

Normaalijakaumasta johdettuja jakaumia

Matematiikan tukikurssi

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

MAT Laaja Matematiikka 1U. Hyviä tenttikysymyksiä T3 Matemaattinen induktio

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

8.1 Ehdolliset jakaumat

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Osakkeiden tuottojakaumia koskevien markkinaja asiantuntijanäkemysten yhdistely copulafunktioilla

d Todista: dx xn = nx n 1 kaikilla x R, n N Derivaatta Derivaatta ja differentiaali

l 1 2l + 1, c) 100 l=0

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat

Johdatus reaalifunktioihin P, 5op

k-kantaisen eksponenttifunktion ominaisuuksia

Yhdistetty funktio. Älä sekoita arvo- eli kuvajoukkoa maalijoukkoon! (wikipedian ongelma!)

MS-A0102 Differentiaali- ja integraalilaskenta 1

3.6 Su-estimaattorien asymptotiikka

Preliminäärikoe Tehtävät A-osio Pitkä matematiikka kevät 2016 Sivu 1 / 4

Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely)

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

r > y x z x = z y + y x z y + y x = r y x + y x = r

Miten osoitetaan joukot samoiksi?

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

Yleistä tietoa kokeesta

saadaan kvanttorien järjestystä vaihtamalla ehto Tarkoittaako tämä ehto mitään järkevää ja jos, niin mitä?

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

Matematiikan tukikurssi

Matematiikan tukikurssi

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

6 Eksponentti- ja logaritmifunktio

Jatkuvat satunnaismuuttujat

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

Matematiikan tukikurssi: kurssikerta 10

Transkriptio:

Kopulafunktiot Joonas Ollila 12. lokakuuta 2011 Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään.

Kopula-sanan alkuperä Kopula tarkoittaa alun perin riippuvuutta kahden lauseenjäsenen välillä. lat. copula = side, yhdysside Kopulafunktio kuvaa jakaumafunktioiden välistä riippuvuussuhdetta.

Esityksen rakenne Kopulafunktion määritelmä Erilaisia kopulafunktioita Kopulafunktioiden simulointi Kotitehtävät

Kopulafunktioiden matematiikkaa

Kopulafunktiot: määritelmä Kopulafunktio on moniulotteinen kertymäfunktio : 0,1 0,1, jonka reunajakaumat ovat tasajakaumia (Uniform(0,1)) ja 2. Kaksiulotteisessa tapauksessa tämä tarkoittaa, että 0, =, 0 = 0, kaikille, [0,1]. 1, = ja,1 = kaikille, [0,1]. Olkoot < ja < mielivaltaisia pisteitä välillä 0,1. Tällöin,, +,, 0.

Sklarin lause Olkoon kertymäfunktio, jonka reunajakaumat ovat,,,. Tällöin on olemassa kopula siten, että kaikille,,,,, =,,. Myös käänteinen toteamus pätee, eli jos on kopula ja,, yksiulotteisia kertymäfunktioita niin on moniulotteinen kertymäfunktio, jonka reunajakaumat ovat,,.

Kopulafunktioiden ylä- ja alarajat Kaikille kopulafunktioille pätee max 1+,0 min {,, }. Näitä ylä- ja alarajoja kutsutaan Fréchet tai Fréchet- Hoeffding -rajoiksi. Yläraja saavutetaan komonotonisella kopulafunktiolla.

Komonotonisuus, vastamonotonisuus Komonotonisuus = täydellinen riippuvuus =, monotonisesti kasvava ja = 2,, toteuttaa yhtälön,, = min {,, }. Vastamonotonisuus = täydellinen negatiivinen riippuvuus (tapaus d=2) =, monotonisesti vähenevä, toteuttaa yhtälön, = max { + 1,0}.

Lyhyesti metajakaumista, esimerkki Otetaan (, ), tämän reunajakaumat,, ovat normaalijakaumia. Yhteisjakauma (, ) saadaan reunajakaumista Gauss-kopulan avulla, =,,. Meta-normaalijakauma,, saadaan Gauss-kopulan avulla, nyt reunajakaumat eivät ole samat kuin aikaisemmin.

Erilaisia kopulafunktioita

Alkeiskopulafunktioita Riippumaton kopula:,, = Komonotoninen kopula:,, = min {,, } Vastamonotoninen kopula kaksiulotteisessa tapauksessa (countermonotonicity):, = max + 1,0

Implisiittisiä kopulafunktioita Eli kopulafunktioita, jotka liittyvät johonkin tunnettuun moniulotteiseen jakaumaan. Gauss-kopula: =,,,,. Student t -kopula on toinen esimerkki tällaisesta kopulafunktiosta.

Eksplisiittisiä kopulafunktioita Eli kopulafunktioita, joille on olemassa eksplisiittinen lauseke. Esim. kaksiulotteinen Gumbel-kopula:, = exp ln + ln, [1, )

Kopulafunktioiden simulointi

Kopulafunktiot: simuloinnin aputuloksia Kvantiilimuunnos: Olkoon (0,1) ja. Tällöin () siten, että =. Todennäköisyysmuunnos: Olkoon, jatkuva. Tällöin (0,1). Tämä johtaa siihen, että = = =.

Reunajakaumien simulointi Otetaan tasajakautuneita satunnaismuuttujia 0,1. Oletetaan että tunnetaan funktioiden,, käänteisfunktiot,,. Simuloidaan reunajakaumista realisaatioita,, =,, (kvantiilimuunnos)

Yhteisjakauman simulointi Simuloidaan reunajakaumista realisaatioita,, Simuloidaan yhteisjakaumasta,, =,, havaintoja (Sklarin lause). Todennäköisyysmuunnoksen periaatteen mukaisesti voidaan yhtä hyvin ottaa 0,1 realisaatioita,, ja saadaan niillä yhteisjakaumasta havaintoja,, =,,

Yhteisääriarvot (tail dependence) Annetuilla reunajakaumilla voidaan muuttaa jakaumien välistä riippuvuutta (kopula) siten, että saadaan yhteisiä ääriarvoja. Eli muutetaan :tä lausekkeessa,,

Yhteisääriarvot (tail dependence) Reunajakaumat N(0,1), korrelaatio 0.7

Kotitehtävät

Kotitehtävä 1 Olkoon (0,1) ja (2,10). Eli =, [0,1] ja =1, [10, ). Näiden kahden satunnaismuuttujan yhdistetty kertymäfunktio on, = (, ) jollain kopulafunktiolla. Mitä voidaan sanoa todennäköisyydestä (0.5,20)? Vinkki: Katso Fréchet-rajoja.

Kotitehtävä 1, ratkaisu 0.5 = 0.5, 20 =1 = 0.5,20 = 0.5,20 = 0.5,0.75 Fréchet-rajat: max + 1,0, min, Eli 0.5,0.75 0.25,0.5

Kotitehtävä 2 Tunnetaan, = exp Osoita että tämän kopulafunktio on, = exp [ log + log ]. ;, 0; 1. Vinkki:, =,, laske siis reunajakaumat ja.

Kotitehtävä 2, ratkaisu Reunajakaumat,0 = 0, = exp 0 exp Eli = exp ja = exp Näiden käänteisfunktiot ovat = = log. = Yhteisjakauman kopulafunktio saadaan siis laskemalla, =, = exp log + log