ارتباط الموضعي على توزيعات ويبل ثنائية المتغيرات التي بنيت باستخدام ارخميديان كوبيلا
الشريط الجانبي للمقالة
محتوى المقالة الرئيسي
الملخص
في تحليل البقاء على قيد الحياة متعدد المتغيرات ، يعد تقدير دالة التوزيع متعدد المتغيرات و من ثم قياس علاقة و ارتباط بين أوقات البقاء ذات أهمية كبيرة. تُستخدم دالات الكوبيلا ، مثل ارخميديان كوبيلا، بشكل شائع لتقدير توزيعات المتغيرات غير المعروفة بناءً على الدوال الهامشية المعروفة. في هذا البحث تم استكشاف جدوى استخدام فكرة ارتباط الموضعي لتحديد افضل نموذج الكوبيلا و الأكثر كفاءة ، والذي يستخدم لبناء دالة ويبل ثنائي المتغير كدالة وقت البقاء ثنائي المتغير، من بين بعض انواع الآرخميديان كوبيلا. لتقييم كفاءة طريقة المقترحة ، تم تنفيذ دراسة محاكاة، وقد ثبت أن هذا طريقة مفيد للحالات العملية وقابل للتطبيق على مجموعات البيانات الحقيقية. و عند تنفيذ الإجراء المقترحة، على بيانات فعلية، على بيانات دراسة اعتلال الشبكية السكري وجد أن العيون المعالجة لديها فرصة أكبر لعدم فقدان البصر مقارنة بالعين غير المعالجة.
Received 4/9/2019
Accepted 18/6/2020
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Fisher N I. Copulas. Encyclopedia of Statistical Sciences, 2nd ed., New York, John Wiley Sons, 2006, 1363-1376.
Nelsen B. An Introduction to Copulas, 2nd ed., New York, Springer, 2006.
Genest C, MacKay J. The joy of copulas: Bivariate distributions with uniform marginal. Am Stat, 1986, 40, 280–283.
Joe H. Multivariate Models and Dependence Concepts. 1997, Chapman and Hall, London.
Henry Louie. Evaluation of bivariate Archimedean and elliptical copulas to model wind power dependency structures. Wind Energy, 2014, 17, 225-240.
Yee K C, Suhaila J, Yusof F, Mean F H. Bivariate copula in fitting rainfall data. AIP Conf Proc, 2014, 1605, 986-990.
Hofert M. Sampling Archimedean Copulas. COMPUT STAT DATA AN, 2008, 52, 5163–5174.
Embrechts P, McNeil A, Straumann D. Correlation and dependence in risk management: Properties and pitfalls. Cambridge University Press, 2002, 81, 176-223.
McNeil A J, Neslehová J. Multivariate Archimedean copulas, d-monotone functions and l-norm symmetric distributions. Ann. Statist., 2009, 37, 3059–3097.
Corbella S, Stretch D D. Simulating a multivariate sea storm using Archimedean copulas. COAST ENG J, 2013, 76, 68 -78.
Patton A J. Modeling Asymmetric Exchange rate Dependence. Int. Econ. Rev., 2006, 47, 527-556.
Chan Y, Li H. Tail dependence for multivariate t-copulas and its monotonicity. INSUR MATH ECON, 2008, 42, 763–770.
Joe H, Li H , Nikoloulopoulos A K. Tail dependence functions and vine copulas. J. Multivar. Anal., 2010, 101, 252-270.
Lee T, Modarres R, Ouarda T B M J. Data-based analysis of bivariate copula tail dependence for drought duration and severity. Hydrol. Process., 2013, 27, 1454–1463.
Lei H, Joe H. Tail order and intermediate tail dependence of multivariate copulas. J. Multivar. Anal., 2011, 102, 1454–1471.
Lee E J, Kim C H, Lee S H. Life expectancy estimate with bivariate Weibull distribution using Archimedean copula. IJBB, 2011, 5, 149-161.
Esa S, Dimitro B. Dependence Structures in Politics and in Reliability. IEEE Conference Publication, 2016, 318-322.
Huster W J, Brookmeyer R, Self S G. Modelling Paired Survival Data with Covariates. Biometrics, 1989, 45, 145-156.