我有27个站的数据（3个变量； X，Y，Z），我想计算x = y = z = 0.9时（X> x，Y> y，Z> z）的概率。 / p>
我已经使用pobs（）函数对数据（u，v，z）进行了转换，并使用fitCopula（）和gofCopula（）函数并比较了计算出的AIC，BIC和对数似然值，找到了每个站点最适合的copula。在基于选定的copula获得每个站点的copula参数之后，我使用pCopula（数据，拟合copula）计算了概率（P）。 现在，每个站点都有X，Y，Z，u，v，z和P的3672个值（我假设显示了3个变量的联合概率）。但是，我想计算x = y = z = 0.9时（X> x，Y> y，Z> z）的概率。 我该如何计算？计算出的P值对计算P（X> x，Y> y，Z> z）是否有用？
#Original data
df <- data.frame (X,Y,Z)
# Transformed data
dg <- pobs(df,ties.method = "first")
U <-data.frame("X"=dg[,1], "Y"=dg[,2], "Z"=dg[,3])
U <- as.matrix(U)
UXY <- data.frame("X"=dg[,1],"Y"=dg[,2])
UXY <- as.matrix(UXY)
UXZ <- data.frame("X"=dg[,1],"Z"=dg[,3])
UXZ <- as.matrix(UXZ)
UYZ <- data.frame("Y"=dg[,2],"Z"=dg[,3])
UYZ <- as.matrix(UYZ)
# trivariate copula X,Y,Z
f3 <- frankCopula(5.27,dim = 3)
multicop <- pCopula(U, f3)
# Bivariate copula X, Y
fXY <- frankCopula(4.7)
bicop_XY <- pCopula(UXY, fXY)
# Bivariate copula X, Z
fXZ <- frankCopula(10.1)
bicop_XZ <- pCopula(UXZ, fXZ)
# Bivariate copula Z, Y
fZY <- frankCopula(4.71)
bicop_ZY <- pCopula(UZY, fZY)
# now the exceedance probability is based on this:
# P(X>x, Y>y, Z>z)=p(u`,v`,z`)=1-u-v-z+c(u,v)+c(u,z)+c(z,v)-c(u,v,z)
p <- 1 - U[,1] - U[,2] - U[,3] + bicop_XY + bicop_XZ + bicop_YZ - multicop
现在，我有X，Y和Z每种组合的概率（P的3672个值）。当X，Y和Z超过第90个百分位数时，我该如何计算事件的概率？当a为第90个百分位数时，Pr（X> a，Y> a，Z> a）
我可以做这样的事情吗？
a <- 0.9; b <- 0.9; c<-0.9
f3 <- frankCopula(5.27, d=3)
uvz <- pCopula(c(a,b,c), f3)
f2_1 <- frankCopula(4.7)
f2_2 <- frankCopula(10.1)
f2_3 <- frankCopula(4.71)
uv <- pCopula(c(a,b), f2_1)
uz <- pCopula(c(a,b), f2_2)
vz <- pCopula(c(a,b), f2_3)
P(U>u, V>v, Z>z)=1-0.9-0.9-0.9+uv+uz+vz-uvz