ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
LÊ DUNG
MÔ HÌNH HÓA SỰ PHỤ THUỘC
VỚI CÁC COPULA VÀ ỨNG DỤNG
LUẬN VĂN THẠC SĨ TOÁN HỌC
HÀ NỘI - NĂM 2014
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
LÊ DUNG
MÔ HÌNH HÓA SỰ PHỤ THUỘC
VỚI CÁC COPULA VÀ ỨNG DỤNG
LUẬN VĂN THẠC SĨ TOÁN HỌC
Chuyên ngành: LÝ THUYẾT XÁC SUẤT VÀ THỐNG KÊ TOÁN HỌC
Mã số: 60 46 01 06
Người hướng dẫn khoa học:
TS. TRẦN TRỌNG NGUYÊN
HÀ NỘI - NĂM 2014
Mục lục
Mở đầu
5
Lời cảm ơn
7
Bảng kí hiệu
8
1
9
Kiến thức chuẩn bị
1.1
1.2
Copula
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
1.1.1
Giới thiệu về copula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
1.1.2
Một vài định nghĩa và tính chất của copula . . . . . . . . . . . . . . . . . .
11
1.1.3
Các biên Fre’chet- Hoeffding có các hàm phân phối đồng thời . . . . . . .
13
1.1.4
Các copula và các biến ngẫu nhiên . . . . . . . . . . . . . . . . . . . . . .
15
Sự phụ thuộc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
1.2.1
Tương quan tuyến tính . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
1.2.2
Sự phụ thuộc hoàn hảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
1.2.3
Sự phù hợp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
1.2.4
Hệ số Kendall tau (τ )
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
1.2.5
Hệ số Spearman rho (ρ) . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
3
1.2.6
Sự phụ thuộc đuôi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Mô hình hóa sự phụ thuộc với các copula và ứng dụng
2.1
30
34
Kỹ thuật xây dựng các copula nhiều chiều . . . . . . . . . . . . . . . . . . . . . .
34
2.1.1
Họ Farlie- Gumbel- Morgenstern
. . . . . . . . . . . . . . . . . . . . . . .
35
2.1.2
Họ Marshall- Olkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
Các Copula Elliptic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
2.2.1
Copula Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
2.2.2
t- copula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
Các Copula Archimede . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
2.3.1
Các tổng lồi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
2.3.2
Các định nghĩa, tính chất và ví dụ . . . . . . . . . . . . . . . . . . . . . .
52
2.3.3
Sự phụ thuộc đuôi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61
2.3.4
Các copula Archimede nhiều chiều . . . . . . . . . . . . . . . . . . . . . .
64
Ứng dụng của mô hình hóa sự phụ thuộc với các copula trong bảo hiểm . . . . . .
68
Kết luận . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
Tài liệu tham khảo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
Phụ lục . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
2.2
2.3
2.4
4
Mở đầu
Trong kỷ nguyên hội nhập kinh tế, các thị trường kinh tế khác nhau có sự phụ thuộc nhất
định. Nói riêng, trong một nước các ngành kinh tế khác nhau cũng có sự phụ thuộc nhất định, ví
dụ: sự phụ thuộc giữa thị trường vàng và thị trường chứng khoán, thị trường chứng khoán và thị
trường dầu mỏ, . . . . Nếu ta đo lường được sự phụ thuộc giữa các thị trường tài chính với nhau thì
sẽ quản trị rủi ro tốt hơn. Như ta đã biết, nếu các thị trường có sự phụ thuộc tuyến tính với nhau
thì chúng ta sử dụng hệ số tương quan tuyến tính và hiệp phương sai để tính toán. Nhưng nếu
các thị trường không có sự phụ thuộc tuyến tính với nhau mà chúng có sự phụ thuộc phi tuyến
thì chúng ta không thể dùng hệ số tương quan tuyến tính và hiệp phương sai để tính toán. Vậy
vấn đề đặt ra là: Nếu giữa các thị trường có sự phụ thuộc phi tuyến với nhau thì chúng ta dùng
công cụ nào để tính toán? Để giải quyết vấn đề này chúng ta sẽ dùng mô hình hóa sự phụ thuộc
giữa các biến nhẫu nhiên bằng phương pháp copula.
Copula là các hàm liên kết hoặc nối các phân phối biên duyên một chiều với các hàm phân
phối nhiều chiều. Copula thường được quan tâm trong các lĩnh vực nghiên cứu về sự phụ thuộc
và xây dựng các phân phối nhiều chiều. Trong lĩnh vực tài chính, copula thường được sử dụng
như một công cụ quan trọng trong các bài toán nghiên cứu sự tương quan giữa các thị trường,
đo lường rủi ro của các danh mục đầu tư và nhiều bài toán liên quan khác. Vì vậy, trong những
năm gần đây những nghiên cứu về copula và các ứng dụng của nó được rất nhiều người quan tâm.
5
Trong luận văn này trình bày về các họ copula và mô hình hóa sự phụ thuộc với các copula thông
qua việc nghiên cứu sự phụ thuộc đuôi giữa hai phân phối. Các kết quả này cung cấp một cơ sở
cho những ai quan tâm đến mô hình hóa sự phụ thuộc trong lý thuyết và các ứng dụng của nó
trong thực tế.
Với mong muốn tìm hiểu về các vấn đề trên, luận văn nghiên cứu về đề tài: ”Mô hình hóa
sự phụ thuộc với các copula và ứng dụng” .
Ngoài phần mở đầu, kết luận và tài liệu tham khảo, luận văn chia làm hai chương:
Chương 1: Kiến thức chuẩn bị . Chương này trình bày những khái niệm cơ sở, tính chất
của copula, sự phụ thuộc và một số ví dụ minh họa.
Chương 2: Mô hình hóa sự phụ thuộc với các copula và ứng dụng. Chương này trình
bày việc mô hình hóa sự phụ thuộc với các copula thông qua sự phụ thuộc đuôi của các phân phối
copula. Phần cuối của chương này, luận văn trình bày ứng dụng của mô hình hóa sự phụ thuộc
với các copula với các số liệu trong thực tế.
6
Lời cảm ơn
Bản luận văn này được hoàn thành dưới sự hướng dẫn nghiêm khắc và tận tình chỉ bảo của
TS Trần Trọng Nguyên. Thầy đã dành nhiều thời gian hướng dẫn cũng như giải đáp các thắc mắc
của tôi trong suốt quá trình làm luận văn. Tôi muốn bày tỏ lòng biết ơn sâu sắc đến người thầy
của mình.
Qua đây, tôi xin gửi tới các thầy cô Khoa Toán- Cơ- Tin học, Trường Đại học Khoa học Tự
nhiên, Đại học Quốc gia Hà Nội, cũng như các thầy cô đã tham gia giảng dạy khóa cao học 20112013, lời cảm ơn sâu sắc nhất đối với công lao dạy dỗ trong suốt quá trình giáo dục đào tạo của
nhà trường.
Tôi xin cảm ơn gia đình, bạn bè và tất cả mọi người đã quan tâm, tạo điều kiện, động viên cổ
vũ tôi để tôi hoàn thành nhiệm vụ của mình.
Hà Nội, Tháng 01 năm 2014.
7
Bảng kí hiệu
R: Tập số thực
R: Tập số thực mở rộng[−∞, ∞]
2
R = R×R
I = [0, 1]
I2 = I × I
In = [0, 1]n
[0, 1] = {x ∈ R |0 6 x 6 1 }
(0, 1) = {x ∈ R |0 < x < 1}
[0, 1) = {x ∈ R |0 6 x < 1 }
(0, 1] = {x ∈ R |0 < x 6 1 }
Họ copula FGM: Họ copula Farlie- Gumbel- Morgenstern
F −1 : Nghịch đảo của F
t−1 : Nghịch đảo của t
tυ : t- phân phối với độ tự do υ
8
Chương 1
Kiến thức chuẩn bị
Chương này trình bày các khái niệm cơ bản về copula, các tính chất của chúng và khái niệm
sự phụ thuộc để sử dụng cho chương sau.
1.1
1.1.1
Copula
Giới thiệu về copula
Giả sử R biểu thị đường thẳng thực thông thường (−∞, ∞), R biểu thị đường thẳng thực mở
2
2
rộng [−∞, ∞] và R biểu thị mặt phẳng mở rộng R × R. Một hình chữ nhật trong R là tích Đề
các B của hai khoảng đóng B = [x1 , x2 ] × [y1 , y2 ]. Các đỉnh của hình chữ nhật B là các điểm
(x1 , y1 ) , (x1 , y2 ) , (x2 , y2 ) , (x2 , y1 ). Hình vuông đơn vị I2 là tích I × I, ở đó I = [0, 1]. Một hàm thực
2
n- vị trí H là một hàm mà miền xác định của DomH là một tập hợp con của R và miền giá trị
của RanH là một tập con của R.
Định nghĩa 1.1 Cho S1 , S2 , ..., Sn là các tập con không rỗng của R , trong đó R kí hiệu là đường
9
thẳng thực mở rộng [−∞; ∞]. Giả sử H là hàm thực với n biến trên miền xác định DomH =
S1 × S2 × ... × Sn và cho a 6 b (trong đó a = (a1 , a2 , ..., an ) ,
b = (b1 , b2 , ..., bn ) và ak 6 bk với mọi k = 1, n), giả sử B = [a, b] = [a1 , b1 ] × ... × [an , bn ] là một nhộp có tất cả các đỉnh trong DomH. Khi đó thể tích-H của B được cho bởi
VH (B) =
P
sgn (c) H (c)
(1.1)
với tổng được thực hiện
tại tất cả các đỉnh c của B , và sgn (c) được cho bởi:
1, nếu ck = ak với k chẵn
sgn (c) =
(1.2)
−1, nếu ck = ak với k lẻ
Một cách tương đương, thể tích- H của một n- hộp B = [a, b] là thứ tự thứ n khác của H trong
B
...∆ba11 H (t)
VH (B) = ∆ba H (t) = ∆abnn ∆ban−1
n−1
trong đó
∆bakk H (t) = H (t1 , t2 , ..., tk−1 , bk , tk+1 , ..., tn ) − H (t1 , t2 , ..., tk−1 , ak , tk+1 , ..., tn ).
Định nghĩa 1.2 Một hàm thực H của n biến là n tăng nếu VH (B) > 0 của tất cả n- hộp B có
đỉnh nằm trong miền xác định DomH hay có thể nói thể tích của nó trên hộp bất kì là không âm.
Giả sử miền của một hàm thực H của n biến được cho bởi DomH = S1 × S2 × ... × Sn ở đó mỗi Sk
một phần tử nhỏ nhất là ak . Chúng ta nói rằng H có đáy (ground: đáy) nếu H (t) = 0 với mọi t
trong DomH sao cho tk = ak với ít nhất một k. Nếu mỗi Sk là không rỗng và có một phần tử lớn
nhất là bk , khi đó chúng ta nói rằng H có phân phối biên biên duyên, và phân phối biên duyên
một chiều của H là hàm Hk cho bởi DomHk = Sk và
Hk (x) = H (b1 , b2 , ..., bk−1 , x, bk+1 , ..., bn )
(1.3)
với tất cả x trong Sk .
Phân phối biên duyên một- chiều sẽ được gọi đơn giản là “phân phối biên duyên” với k > 2 phân
phối biên duyên k- chiều sẽ được gọi là “k- phân phối biên duyên”.
10
Bổ đề 1.1 Cho S1 , S2 , ..., Sn là tập con khác rỗng của R , và giả sử hàm H có đáy n- tăng với miền
xác định S1 ×S2 ×...×Sn . Khi đó là không giảm theo mỗi đối số, tức là nếu (t1 , t2 , ..., tk−1 , x, tk+1 , ..., tn )
và (t1 , t2 , ..., tk−1 , y, tk+1 , ..., tn ) nằm trong miền xác định DomH và x < y khi đó
H (t1 , t2 , ..., tk−1 , x, tk+1 , ..., tn ) 6 H (t1 , t2 , ..., tk−1 , y, tk+1 , ..., tn ) .
Bổ đề 1.2 Cho S1 , S2 , ..., Sn là tập con khác rỗng của R, và giả sử hàm H có đáy n- tăng với
phân phối biên duyên và miền xác định là S1 × S2 × ... × Sn . Nếu bất kì điểm x = (x1 , x2 , ..., xn )
và y = (y1 , y2 , ..., yn ) trong S1 × S2 × ... × Sn . Khi đó
|H (x) − H (y)| 6
n
P
|Hk (xk ) − Hk (yk )|.
k=1
Chứng minh: (xem Schweizer và Sklar (1983) , [10]).
n
Định nghĩa 1.3 Hàm phân phối n- chiều là một hàm H với miền R mà:
1. H là n- tăng
n
2. H (t) = 0 với tất cả t trong R như vậy tk = −∞ với ít nhất một k và
H(∞, ∞, ..., ∞) = 1.
n
Do H có đáy, và DomH = R , nên theo bổ đề 1.2 các biên duyên của một hàm phân phối nchiều là các hàm phân phối mà chúng ta sẽ kí hiệu F1 , F2 , ..., Fn .
1.1.2
Một vài định nghĩa và tính chất của copula
Đầu tiên chúng ta xác định các subcopula như một lớp của các hàm n- tăng cơ sở với các biên,
khi đó chúng ta xác định các copula như các subcopula với miền xác định In .
Định nghĩa 1.4 Một subcopula n- chiều là một hàm C’ với những tính chất sau:
1. DomC 0 = S1 × S2 × ... × Sn , với mỗi Sk là một tập con của I chứa 0 và 1.
2. C 0 có đáy và n- tăng.
3. C 0 có phân phối biên duyên Ck0 , k = 1, 2, ..., n thỏa mãn Ck0 (u) = u với mọi u trong Sk .
11
Chú ý rằng với mỗi u thuộc DomC 0 , 0 6 C 0 (u) 6 1 vì vậy C 0 cũng là tập con của I.
Định nghĩa 1.5 Một copula n-chiều là một n-subcopula C mà miền xác định là I n . Một cách
tương đương , n- copula là một hàm C từ I n tới I với những tính chất sau:
1. Với mọi u trong I n , C (u) = 0 nếu ít nhất một tọa độ của u là 0 và nếu tất cả tọa độ của u là
1 trừ uk thì C (u) = uk .
2. Với mọi a và b trong I n được xác định a 6 b , VC ([a, b]) > 0 .
Chú ý rằng với bất kì n- copula C, n > 3, mỗi k- biên duyên của C là k- copula, 2 6 k < n . Định
lý sau suy ra trực tiếp từ bổ đề 1.2.
Định lý 1.1 Cho C 0 là n- subcopula. Khi đó với mỗi u và v thuộc DomC 0 ,
n
P
|C 0 (v) − C 0 (u)| 6
|vk − uk |
k=1
Vì thế C 0 là liên tục đều trên miền xác định của nó.
Định lý 1.2 (Định lý Skalar với n- chiều) Cho H là một hàm phân phối n- chiều với các phân
n
phối biên duyên F1 , F2 , ..., Fn . Khi đó tồn tại một n- copula C sao với mọi x thuộc R , ta có:
H (x1 , x2 , ..., xn ) = C (F1 (x1 ) , F2 (x2 ) , .........Fn (xn ))
(1.4)
Nếu tất cả F1 , F2 , ..., Fn liên tục , khi đó C là duy nhất, nói cách khác C là xác định duy nhất
trên RanF1 ×RanF2 ×...×RanFn . Ngược lại , nếu C là n- copula và F1 , F2 , ..., Fn là các hàm phân
phối, thì hàm H xác định ở trên là một hàm phân phối n- chiều với các biên duyên F1 , F2 , ..., Fn .
Chứng minh: (xem Sklar (1996) , [13]).
Định nghĩa 1.6 Cho F là một hàm phân phối. Khi đó ma trận tựa nghịch đảo của F là bất kì
hàm F (−1) với miền xác định I sao cho:
1. Nếu t thuộc RanF thì F (−1) (t) là số x bất kì trong R sao cho F (x) = t, nghĩa là với tất cả
t thuộc RanF , F F (−1) (t) = t.
12
2. Nếu t không thuộc RanF thì
F (−1) (t) = inf {x |F (x) > t } = sup {x |F (x) 6 t}.
Nếu F là tăng ngặt thì ma trận tựa nghịch đảo là nghịch đảo thường, chúng ta kí hiệu : F −1 .
Hệ quả 1.1 Cho H, C, F1 , F2 , ..., Fn như trong định lý 1.2 và cho
(−1)
F1
(−2)
, F2
(−n)
, ...., Fn
là ma trận tựa nghịch đảo của F1 , F2 , ..., Fn tương ứng. Khi đó với u bất kì trong I n ,
(−1)
(−1)
(−1)
C (u1 , u2 , ..., un ) = H F1 (u1 ) , F2 (u2 ) , ...., Fn (un ) .
Ví dụ 1.1 Kí hiệu Φ là hàm phân phối chuẩn tắc đơn biến và kí hiệu Φnρ là hàm phân phối chuẩn
nhiều chiều với ma trận tương quan tuyến tính ρ. Khi đó C (u1 .u2 , ..., un ) = Φnρ (Φ−1 (u1 ) , Φ−1 (u2 ) , ..., Φ−1 (un )
là Gauss hoặc n-copula chuẩn. Copula này thường được sử dụng trong thực tế, bởi vì nó có một
số tính chất đẹp như là một thành viên của họ copula elliptic và nó rất dễ dàng mô phỏng với
những người thực hành có hiểu biết hạn chế về các copula .
1.1.3
Các biên Fre’chet- Hoeffding có các hàm phân phối đồng thời
Xét các hàm Mn , Πn và Wn cho bởi
M n (u) = min (u1 , u2 , ..., un )
Πn (u) = u1 u2 .....un
W n (u) = max (u1 + u2 + ... + un − n + 1, 0)
Các hàm M n và Πn là n-copula với mọi n > 2 trong khi hàm Wn không là copula với bất kì
n > 2 như trong ví dụ sau.
Ví dụ 1.2 Xét n- hình lập phương [1/2, 1]n ⊂ I n . Bởi vì lực lượng của W là đối xứng thể tích-W
13
của [1/2, 1]n là cho bởi:
n
VW([1/2,
1] ) = max (1 + ... + 1 − n + 1, 0) − n max (1/2 + 1 + ... + 1 − n + 1, 0) +
n
+
max (1/2 + 1/2 + 1 + ... + 1 − n + 1, 0) −
2
...
+ max (1/2 + 1/2 + ... + 1/2 − n + 1, 0)
= 1 − n (1/2) + 0 + ... + 0
Vì thế, W n không là copula với n > 3.
Tiếp theo định lý mở rộng n chiều của Fre’chet-Hoeffding của bất đẳng thức các biên
Định lý 1.3 Nếu C 0 là n-subcopula bất kì, khi đó với mỗi u trong DomC 0 ,
W n (u) 6 C 0 (u) 6 M n (u)
(1.5) .
Chứng minh:(xem Nelsen (1999) , [9]).
Mặc dù Fre’chet-Hoeffding biên dưới W n không là một copula với n > 2, vế trái của (1.5) là có
thể đạt được theo hướng với mọi n > 3 và bất kì u trong I n , có một n-copula mà C (u) = W n (u).
Định lý 1.4 Với bất kì n > 3và u bất kì trong I n , có một n-copula C (mà phụ thuộc vào u)
chẳng hạn
C (u) = W n (u)
Chứng minh:(xem Nelsen (1999) , [9]).
Định nghĩa 1.7 Nếu C1 và C2 là các copula, chúng ta nói rằng C1 nhỏ hơn C2 (hoặc C2 lớn hơn
C1 ) và viết C1 ≺ C2 ) (hoặc C2 C1 ) nếu
C1 (u1 , u2 , ..., un ) 6 C2 (u1 , u2 , ..., un ) với mọi u1 , u2 , ..., un thuộc I .
14
1.1.4
Các copula và các biến ngẫu nhiên
Giả sử X1 , ..., Xn là các biến ngẫu nhiên liên tục với các hàm phân phối F1 , ..., Fn tương ứng
và hàm phân phối đồng thời H. Khi đó (X1 , ..., Xn ) có duy nhất một copula C, với C được cho
bởi (1.4).
Định lý 1.5 Cho X1 , X2 , ..., Xn là các biến ngẫu nhiên liên tục với copula C. Khi đó X1 , X2 , ..., Xn
là các biến độc lập nếu và chỉ nếu C = Πn .
Một tính chất đẹp của các copula là phép biến đổi đơn điệu ngặt của các biến copula là bất
biến. Chú ý rằng nếu hàm phân phối của một biến ngẫu nhiên X là liên tục, và nếu α là hàm đơn
điệu ngặt có miền xác định chứa miền giá trị RanX, khi đó hàm phân phối của biến ngẫu nhiên
α (X) cũng là liên tục.
Định lý 1.6 Cho X1 , X2 , ..., Xn là các biến ngẫu nhiên liên tục với copula C. Nếu α1 , α2 , ..., αn là
đơn điệu tăng ngặt trên RanX1 , RanX2 , ..., RanXn tương ứng, khi đó α1 (X1 ) , α2 (X2 ) , ..., αn (Xn )
có copula C. Do đó C là bất biến dưới các phép biến đổi tăng ngặt của X1 , X2 , ..., Xn .
Chứng minh.
Cho F1 , F2 , ..., Fn kí hiệu là các hàm phân phối của X1 , X2 , ..., Xn tương ứng, và kí hiệuG1 , G2 , ..., Gn
theo thứ tự là các hàm phân phối của
α1 (X1 ) , α2 (X2 ) , ..., αn (Xn ).
Cho X1 , X2 , ..., Xn có copula C, và cho α1 (X1 ) , α2 (X2 ) , ..., αn (Xn ) có copula Cα . Vì αk tăng
ngặt với mỗi một k ,
Gk (x) = P [αk (Xk ) 6 x] = P Xk 6 αk−1 (x) = Fk αk−1 (x) với bất kì x trong R.
Cα (G1 (x1 ) , ..., Gn (xn )) = P [α1 (X1 ) 6 x, ..., αn (Xn ) 6 x]
15
= P X1 6 α1−1 (x1 ) , ..., Xn 6 αn−1 (xn )
= C F1 α1−1 (x1 ) , ..., Fn αn (xn )
= C (G1 (x1 ) , ..., Gn (xn ))
Vì X1 , X2 , ..., Xn là liên tục, RanG1 = RanG2 = ... = RanGn = I. Từ đó suy ra rằng Cα = C
trong I n .
Từ định lý Sklar chúng ta biết rằng hàm copula, C , tập hợp tách một hàm phân phối n- chiều
b tồn tại hàm
từ các phân phối biên duyên của nó. Định lý tiếp theo cũng sẽ cho biết một hàm, C,
tách n- chiều các phân phối biên duyên sống sót của nó. Hơn nữa, hàm này có thể được biểu diễn
bằng một copula, và copula sống sót có thể hoàn toàn dễ biểu diễn trong các số hạng của C và kphân phối biên duyên của nó.
Định lý 1.7 Giả sử X1 , X2 , ..., Xn là các biến ngẫu nhiên liên tục với copula CX1 ,X2 ,...,Xn . Cho
α1 , α2 , ..., αn là đơn điệu ngặt theo thứ tự trên RanX1 , RanX2 , ..., RanXn , và cho α1 (X1 ) , α2 (X2 ) , ..., αn (Xn )
có copula Cα1 (X1 ),α2 (X2 ),...,αn (Xn ) . Hơn nữa cho αk là hàm giảm ngặt với một số k thỏa mãn
1 6 k 6 n. Không mất tính tổng quát cho k = 1 khi đó
Cα1 (X1 ),α2 (X2 ),...,αn (Xn ) (u1 , u2 , ..., un ) =
= Cα2 (X2 ),...,αn (Xn ) (u2 , ..., un ) − CX1 ,α2 (X2 ),...,αn (Xn ) (1 − u1 , u2 , ..., un )
Chứng minh.
Cho X1 , X2 , ..., Xn có các phân phối biên duyên F1 , F2 , ..., Fn
và cho α1 (X1 ) , α2 (X2 ) , ..., αn (Xn ) có các phân phối biên duyên G1 , G2 , ..., Gn . Khi đó
16
Cα1 (X1 ),α2 (X2 ),...,αn (Xn ) (G1 (x1 ) , G2 (x2 ) , ..., Gn (xn )) =
= P [α1 (X1 ) 6 x1 , α2 (X2 ) 6 x2 , ..., αn (Xn ) 6 xn ]
= P X1 > α1−1 (x1 ) , α2 (X2 ) 6 x2 , ..., αn (Xn ) 6 xn
= P AC ∩ B = P [B] − P [A ∩ B]
= P [α2 (X2 ) 6 x2 , ..., αn (Xn ) 6 xn ] −
−P X1 > α1−1 (x1 ) , α2 (X2 ) 6 x2 , ..., αn (Xn ) 6 xn
= Cα2 (X2 ),...,αn (Xn ) (G2 (x2 ) , ..., Gn (xn )) −
−CX1 ,α2 (X2 ),...,αn (Xn ) F1 α1−1 (x1 ) , G2 (x2 ) , ..., Gn (xn )
= G1 (x) = P [α1 (X1 ) 6 x] = P X1 > α1−1 (x1 ) = 1 − F1 α1−1 (x1 )
= Cα2 (X2 ),...,αn (Xn ) (G2 (x2 ) , ..., Gn (xn )) −
−CX1 ,α2 (X2 ),...,αn (Xn ) (1 − G1 (x1 ) , G2 (x2 ) , ..., Gn (xn ))
Vậy định lý đã được chứng minh xong.
Từ đó ta có kết luận sau đây.
Bằng cách sử dụng kết quả của hai định lý trên rõ ràng một cách tổng quát hơn copula
Cα1 (X1 ),α2 (X2 ),...,αn (Xn ) có thể được biểu diễn trong các số hạng của copula CX1 ,X2 ,...,Xn . Điều này
được thực hiện trong ví dụ sau.
Ví dụ 1.3 Xét trường hợp phân phối hai chiều.
Cho α1 là giảm ngặt và cho α2 là tăng ngặt. Khi đó:
Cα1 (X1 ),α2 (X2 ) (u1 , u2 ) = u2 − CX1 ,α2 (X2 ) (1 − u1 , u2 ) = u2 − CX1 ,X2 (1 − u1 , u2 )
Cho α1 và α2 là giảm ngặt. Khi đó :
17
Cα1 (X1 ),α2 (X2 ) (u1 , u2 ) = u2 − CX1 ,α2 (X2 ) (1 − u1 , u2 )
= u2 − (1 − u1 − CX1 ,X2 (1 − u1 , 1 − u2 ))
= u1 + u2 − 1 + CX1 ,X2 (1 − u1 , 1 − u2 )
b của X1 và X2 , nghĩa là :
Ở đây Cα1 (X1 ),α2 (X2 ) cũng là copula sống sót, C,
b F1 (x1 ) , F2 (x2 )
H (x1 , x2 ) = P [X1 > x1 , X2 > x2 ] = C
Xét trường hợp phân phối 3 chiều.
Cho α1 , α2 và α3 là giảm ngặt. Khi đó :
Cα1 (X1 ),α2 (X2 ),α3 (X3 ) (u1 , u2 , u3 ) =
= Cα2 (X2 ),α3 (X3 ) (u2 , u3 ) − CX1 ,α2 (X2 ),α3 (X3 ) (1 − u1 , u2 , u3 )
= ...
= u1 + u2 + u3 − 2 + CX1 ,X2 (1 − u1 , 1 − u2 ) + CX1 ,X3 (1 − u1 , 1 − u3 )
+CX2 ,X3 (1 − u2 , 1 − u3 ) − CX1 ,X2 ,X3 (1 − u1 , 1 − u2 , 1 − u3 )
Ở đây Cα1 (X1 ),α2 (X2 ),α3 (X) là copula sống sót của X1 , X2 , X3 .
Cũng chú ý rằng hàm sống sót đồng thời của n biến ngẫu nhiên đều (0, 1) có hàm phân phối
đồng thời là copula C là
b (1 − u1 , 1 − u2 , ..., 1 − un ).
C (u1 , u2 , ..., un ) = C
Mỗi phân phối đồng thời H cảm sinh một độ đo xác suất trên Rn qua
VH ((−∞, x1 ] × (−∞, x2 ] × ... × (−∞, xn ]) = H (x1 , x2 , ..., xn ).
Từ các copula có hàm phân phối đồng thời, mỗi copula cảm sinh một độ đo xác suất trên In qua
VC ([0, u1 ] × [0, u2 ] × ... × [0, un ]) = C (u1 , u2 , ..., un ).
Do đó, ở mức độ trực quan C- độ đo của một tập con của In là giới hạn xác suất mà n biến ngẫu
nhiên thuộc (0, 1) có phân phối đồng thời C, giả thiết các giá trị trong tập hợp con đó.
Với bất kì copula C, lấy :
18
C (u1 , u2 , ..., un ) = AC (u1 , u2 , ..., un ) + SC (u1 , u2 , ..., un )
Trong đó
Zu1
AC (u1 , u2 , ..., un ) =
Zun
...
0
∂n
C (u1 , u2 , ..., un ) ds1 ...dsn
∂u1 ...∂un
0
SC (u1 , u2 , ..., un ) = C (u1 , u2 , ..., un ) − AC (u1 , u2 , ..., un )
Không giống như các phân phối nhiều chiều tổng quát, các phân phối biên duyên của một
copula là liên tục, do đó một copula không có các điểm cá thể trên In mà C- độ đo dương.
Nếu C = AC trên In khi đó C được gọi là liên tục tuyệt đối. Trong trường hợp này C có mật
độ đồng thời được cho bởi
∂n
C
∂u1 ...∂un
(u1 , ..., un ).
Nếu C = SC trên In khi đó C được gọi là suy biến, và
∂n
C
∂u1 ...∂un
(u1 , ..., un ) = 0 hầu khắp nơi
trong In .
Giá của một copula là phần bù của hợp tất cả các tập con mở của In với C- độ đo không. Khi
giá của một copula C là In , Chúng ta nói C có “giá toàn phần”. Khi C là suy biến thì giá của C
có độ đo Lebesgue không và ngược lại. Tuy nhiên, một copula có thể có giá toàn phần mà không
cần phải liên tục tuyệt đối.
Ví dụ 1.4 Xét phân phối hai chiều Fre’chet-Hoeffding biên trên M . Khi
∂2
M
∂u∂v
(u, v) = 0 khắp nơi trên I2 ngoại trừ trên đường chéo chính (trong đó có độ đo Lebesgue
không), và M - độ đo của tất cả các hình chữ nhật I2 hoàn toàn trên hoặc dưới đường chéo chính
là không, M là kì dị. Giá của M là đường chéo chính của I2 như trong hình 1.1 .
Tương tự như vậy giá của phân phối hai chiều Fre’chet-Hoeffding biên dưới W là đường chéo
thứ hai của I2 như trong hình 1.1 .
Ta sẽ trình bày các thuật toán có kết quả của các biến ngẫu nhiên sinh ra từ các họ copula
nghiên cứu khác nhau. Các thuộc tính cụ thể của họ copula thường là cần thiết cho tính hiệu quả
của các thuật toán tương ứng. Bây giờ chúng ta trình bày một thuật toán chung cho biến ngẫu
19
1.jpg
Hình 1.1: Giá của Fre’chet- Hoefding các biên trên và dưới
nhiên được tạo thành từ các copula. Tuy nhiên trong nhiều trường hợp thì nó không phù hợp để
sử dụng.
Xét trường hợp tổng quát của biến ngẫu nhiên tạo thành từ n-copula C. Cho:
Ck (u1 , u2 , ..., un ) = C (u1 , u2 , ..., uk , 1, ..., 1) , k = 1, 2, ..., n − 1
kí hiệu k- phân phối biên duyên của C (u1 , u2 , ..., un ). Hơn nữa C1 (u1 ) = u1 và Cn (u1 , u2 , ..., un ) =
C (u1 , u2 , ..., uk ). Cho (U1 , U2 , ..., Un ) có hàm phân phối đồng thời C. Khi đó phân phối cá điều
kiện của Uk cho các giá trị là k − 1 thành phần đầu tiên của (U1 , U2 , ..., Un ) được cho bởi
Ck (uk |u1 , u2 , ..., uk−1 ) = P [Uk 6 uk |U1 = u1 , ..., Uk−1 = uk−1 ]
.
=
∂ k−1 Ck (u1 ,...,uk ) ∂ k−1 Ck−1 (u1 ,...,uk−1 )
/
∂u1 ...∂uk−1
∂u1 ...∂uk−1
Chú ý rằng khi tăng các hàm một biến được cho bởi uj 7→ C (u) với j = 1, 2, ..., n là lấy vi phân
20
- Xem thêm -