Question

我估计了一个5维正常的copula并用任意上界调用pCopula函数。正如您所看到的，当多次调用相同的函数时，结果会有所不同：

 library(copula)
normal.cop = normalCopula( c(0.5517099 ,0.3519115, 0.5681927, 0.4931297, 0.3733265, 0.4956172, 0.3931483, 0.4177506, 0.4112307, 0.6423421), dim=5, dispstr = "un") 

pCopula(c(0.4,0.5,0.3,0.2,0.9),normal.cop)
>0.07235714
pCopula(c(0.4,0.5,0.3,0.2,0.9),normal.cop)
>0.07233399

该函数显然使用了一些蒙特卡罗积分方法，因为对于相同的set.seed值，结果是相同的：

set.seed(1)
pCopula(c(0.4,0.5,0.3,0.2,0.9),normal.cop)
>0.07234068

在哪里可以更改功能的默认设置？我需要非常可靠的结果，并希望手动设置迭代次数，容错等。该函数没有任何参数可以做到这一点。

根据documentation，函数使用pmvnorm。 pmvnorm中没有随机组件，我可以在pmvnorm中设置迭代。在pCoupla中有没有选择呢？

Answer 1

感谢您通过电子邮件询问我（我是copula的维护者）。实际上，更高维度的集成通常可以通过蒙特卡罗积分来实现，在这种情况下 - 正如您所发现的那样 - 依赖于R {'{1}}。在.Random.seed的CRAN版本中，您还不能影响pCopula（）对正常和t-copula的积分算法。下一版本的copula - 快照可以从R-forge获得（但不是通过直接安装或tarball ...这些是＃34;旧＆＃34;）https://r-forge.r-project.org/R/?group_id=600 - 确实提供了可能性和节目一些例子。

好消息是，对于低维度，d = 2,3 ..可能高达5,6左右，有[非包含copula]

的非随机算法

R：分布函数返回“随机”值

1 个答案: