statsmodels.distributions.copula.api.GumbelCopula¶

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

Gumbel copula。

在正尾部的依赖性大于在负尾部。

\[C_\theta(u,v) = \exp\!\left[ -\left( (-\log(u))^\theta + (-\log(v))^\theta \right)^{1/\theta} \right]\]

其中 \(\theta\in[1,\infty)\)。

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)