statsmodels.distributions.copula.api.ClaytonCopula¶

class statsmodels.distributions.copula.api.ClaytonCopula(theta=None, k_dim=2)[source]¶

Clayton copula（克莱顿 copula）。

在负尾部的依赖性大于在正尾部的依赖性。

\[C_\theta(u,v) = \left[ \max\left\{ u^{-\theta} + v^{-\theta} -1 ; 0 \right\} \right]^{-1/\theta}\]

其中 \(\theta\in[-1,\infty)\backslash\{0\}\)。

方法

cdf(u[, args])	评估阿基米德 copula 的累积分布函数。
fit_corr_param(数据)	使用样本数据的Kendall's tau的Copula相关参数。
logpdf(u[, args])	评估多元Archimedean copula的对数概率密度函数。
pdf(u[, args])	评估Archimedean copula的概率密度函数。
plot_pdf([ticks_nbr, ax])	绘制PDF。
plot_scatter([sample, nobs, random_state, ax])	采样copula并绘图。
rvs([nobs, args, random_state])	在半开区间 [0, 1) 中绘制 n。
tau([theta])
tau_simulated([nobs, random_state])	基于模拟样本的肯德尔τ系数。
theta_from_tau(tau)