statsmodels.distributions.copula.api.FrankCopula¶

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

Frank 连接函数。

依赖是对称的。

\[C_\theta(\mathbf{u}) = -\frac{1}{\theta} \log \left[ 1- \frac{ \prod_j (1-\exp(- \theta u_j)) }{ (1 - \exp(-\theta)-1)^{d - 1} } \right]\]

其中 \(\theta\in \mathbb{R}\backslash\{0\}, \mathbf{u} \in [0, 1]^d\)。

方法

cdf(u[, args])	评估阿基米德 copula 的累积分布函数。
cdfcond_2g1(u[, args])	给定第一个分量的值，第二个分量的条件累积分布函数。
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。
ppfcond_2g1(q, u1[, args])	给定第一个值的第二个分量的条件概率密度函数。
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)