Determining Distribution for the Quotients of Dependent and Independent Random Variables by Using Copulas
Notice bibliographique
Résumé
Determining distributions of the functions of random variables is a very important problem with a wide range of applications in Risk Management, Finance, Economics, Science, and many other areas. This paper develops the theory on both density and distribution functions for the quotient Y = X 1 X 2 and the ratio of one variable over the sum of two variables Z = X 1 X 1 + X 2 of two dependent or independent random variables X 1 and X 2 by using copulas to capture the structures between X 1 and X 2 . Thereafter, we extend the theory by establishing the density and distribution functions for the quotients Y = X 1 X 2 and Z = X 1 X 1 + X 2 of two dependent normal random variables X 1 and X 2 in the case of Gaussian copulas. We then develop the theory on the median for the ratios of both Y and Z on two normal random variables X 1 and X 2 . Furthermore, we extend the result of median for Z to a larger family of symmetric distributions and symmetric copulas of X 1 and X 2 . Our results are the foundation of any further study that relies on the density and cumulative probability functions of ratios for two dependent or independent random variables. Since the densities and distributions of the ratios of both Y and Z are in terms of integrals and are very complicated, their exact forms cannot be obtained. To circumvent the difficulty, this paper introduces the Monte Carlo algorithm, numerical analysis, and graphical approach to efficiently compute the complicated integrals and study the behaviors of density and distribution. We illustrate our proposed approaches by using a simulation study with ratios of normal random variables on several different copulas, including Gaussian, Student-t, Clayton, Gumbel, Frank, and Joe Copulas. We find that copulas make big impacts from different Copulas on behavior of distributions, especially on median, spread, scale and skewness effects. In addition, we also discuss the behaviors via all copulas above with the same Kendall’s coefficient. The approaches developed in this paper are flexible and have a wide range of applications for both symmetric and non-symmetric distributions and also for both skewed and non-skewed copulas with absolutely continuous random variables that could contain a negative range, for instance, generalized skewed-t distribution and skewed-t Copulas. Thus, our findings are useful for academics, practitioners, and policy makers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».