MvCAT 是在 Matlab 中作为用户友好的工具箱(软件)开发的,可帮助科学家和研究人员进行严格而全面的多元相关性分析。 它使用具有1至3个参数的26个系动词科来描述两个随机变量的依存结构。 MvCAT使用局部优化以及贝叶斯框架内的马尔可夫链蒙特卡罗模拟,通过将copula系列与可用数据进行对比来推断copula系列的参数值。 如果使用 MCMC 模拟进行贝叶斯分析,则可以从 copula 参数的后验分布中获得每个 copula 族的不确定性估计。 贝叶斯框架内的 MCMC 不仅提供了对全局最优值的稳健估计,而且还近似了 copula 族的后验分布,可用于构建 copula 的预测不确定性范围。 局部优化方法容易陷入局部最优(有关更多信息,请参见 Sadegh 等人,2017)。 用户可以选择可用的 26 个 copula 的任何子集,MvCAT 将执行分析并根据它们的性能对选定的 c
2021-10-07 20:17:01
2.68MB
matlab
1