Đề mô phỏng các giá trị của hai biến phụ thuộc Xj và X2 tuân theo các phân phối đơn biến F(Xj) và F(X2) cần tới nguyên tắc trên. Điểm bắt đầu là một tập hợp các biến chuẩn hóa đều ẩn tính phụ thuộc thông qua hàm copula điều kiện. Bước tiếp theo bao gồm lấy hàm ngược của biến đều phụ thuộc để tìm các biến phụ thuộc tuân theo hàm phân phối F.
Bước đầu tiên tạo ra hai biến chuẩn hóa đều phụ thuộc nhau, tính phụ thuộc được ẩn trong copula Gauss hai biến. Ta bắt đẩu với hai biến chuẩn hóa đều độc lập. Tiếp đó ta ẩn tính phụ thuộc copula trong một biến chuẩn. Phương pháp Cholesky được sử dụng để tạo ra biến chuẩn chuẩn hóa thứ ba này. Biến chuẩn chuẩn hóa là một biến trung gian. Hàm ngược của nó là một biến chuẩn hóa đều, phụ thuộc vào biến đều đẩu tiên. Kết quả cuối cùng là một tập hợp hai biến đều phụ thuộc nhau, biến đầu tiên và biến thứ ba. Các bước của thuật toán như sau:
Bước đầu tiên tạo ra hai biến chuẩn hóa đều phụ thuộc nhau, tính phụ thuộc được ẩn trong copula Gauss hai biến. Ta bắt đẩu với hai biến chuẩn hóa đều độc lập. Tiếp đó ta ẩn tính phụ thuộc copula trong một biến chuẩn. Phương pháp Cholesky được sử dụng để tạo ra biến chuẩn chuẩn hóa thứ ba này. Biến chuẩn chuẩn hóa là một biến trung gian. Hàm ngược của nó là một biến chuẩn hóa đều, phụ thuộc vào biến đều đẩu tiên. Kết quả cuối cùng là một tập hợp hai biến đều phụ thuộc nhau, biến đầu tiên và biến thứ ba. Các bước của thuật toán như sau:
• Tạo ra hai biến chuẩn hóa đều độc lập U1 và U2
• Tạo ra biến thứ ba, Ny chuẩn chuẩn hóa từ copula Gauss. Ta sử dụng <t> như là ký hiệu cho định nghĩa chuẩn chuẩn hóa. Coi hai biến chuẩn chuẩn hóa độc lập như các hàm phân phối chuẩn chuẩn hóa tích lũy F, tạo ra biến chuẩn chuẩn hóa phụ thuộc vào hai biến chuẩn hóa đều như sau.
• Biến chuẩn chuẩn hóa N3 là một biến trung gian.
• Cuổì cùng, biến N3 thành một biến chuẩn hóa đều bằng cách áp dụng hàm chuẩn chuẩn hóa tích lũy để tính ra biến chuẩn hóa đều V tương quan với u = Uv Biến chuẩn hóa đều V này là hàm ngược chuẩn của V là hàm chuẩn chuẩn hóa tích lũy và biểu thị một xác suất.
• Ta có hai biến đều phụ thuộc u và V.
• Tạo ra biến thứ ba, Ny chuẩn chuẩn hóa từ copula Gauss. Ta sử dụng <t> như là ký hiệu cho định nghĩa chuẩn chuẩn hóa. Coi hai biến chuẩn chuẩn hóa độc lập như các hàm phân phối chuẩn chuẩn hóa tích lũy F, tạo ra biến chuẩn chuẩn hóa phụ thuộc vào hai biến chuẩn hóa đều như sau.
• Biến chuẩn chuẩn hóa N3 là một biến trung gian.
• Cuổì cùng, biến N3 thành một biến chuẩn hóa đều bằng cách áp dụng hàm chuẩn chuẩn hóa tích lũy để tính ra biến chuẩn hóa đều V tương quan với u = Uv Biến chuẩn hóa đều V này là hàm ngược chuẩn của V là hàm chuẩn chuẩn hóa tích lũy và biểu thị một xác suất.
• Ta có hai biến đều phụ thuộc u và V.
Bước cuối cùng bao gồm quay lại tù hai biến đều phụ thuộc sang các biến phụ thuộc tuân theo một phân phối cụ thể, có thể chuẩn hoặc không. Ta gọi phân phối này F. Ta đặt các giá trị Uj và u3 của u và V bằng với CDF của hai biến Xj và X2, viết F(XỊ ) = u và F(X2 ) = V . Để làm như vậy, tính và bằng cách lấy hàm ngược của U và V.
Trong X2, ta lấy hàm ngược chuẩn của đối số trong ngoặc vuông vì chúng biểu thị V và là một xác suất chuẩn chuẩn hóa tích lũy. Nhưng trong ngoặc, ta sử dụng hàm ngược của một hàm phân phối F để đi từ những xác suất tích lũy biểu thị bằng các biến chuẩn hóa đều phụ thuộc sang phân phối cho các biến phụ thuộc cuối cùng. Chúng ta áp dụng những công thức đơn giản trên cho nhiều trường hợp các biến không chuẩn.
Từ
khóa tìm kiếm nhiều: quản trị ngân hàng