Šio darbo tema yra jungčių (angl. copulas) panaudojimas ryšiams tarp daugiamačių atsitiktinių dydžių modeliuoti. Jungtis yra funkcija, kuri sujungia kelių atsitiktinių dydžių marginalinius skirstinius į bendrą daugiamatę funkciją. Jungties sąvoka pirmą kartą statistikoje įvesta 1959 m. Šiame darbe aprašomos pagrindinės jungčių savybės, keletas jungčių šeimų, išskiriant atskirą šeimą - Archimedo jungtis, taip pat priklausomumo matai tarp atsitiktinių dydžių. Vėliau tinkamos jungties pritaikymo turimam duomenų rinkiniui procedūra iliustruojama nagrinėjant transporto priemonių valdytojų civilinės atsakomybės privalomojo draudimo žalų ir išlaidų žaloms administruoti duomenis. / In this Master work the concept of copulas as a tool for modeling relationships among multivariate outcomes is introduced. A copula is a function that links univariate margins to their multivariate distribution. Copulas were introduced in 1959. The literature on the statistical properties and application of copulas has been developing rapidly in recent years. In this Master work basic properties of copulas are described, then several families of copulas and relationships to measures of dependences. Later procedure for selecting the parametric family of Archimedean copulas is illustrated by using Lithuanian Motor Third Party Liability insurance data losses and expenses. For these data it is shown how to fit copulas according to nonparametric procedure which was proposed by Genest and Rivest.
Identifer | oai:union.ndltd.org:LABT_ETD/oai:elaba.lt:LT-eLABa-0001:E.02~2006~D_20140702_190255-88041 |
Date | 02 July 2014 |
Creators | Balčiūnaitė, Rasa |
Contributors | Paulauskas, Vygantas, Vilnius University |
Publisher | Lithuanian Academic Libraries Network (LABT), Vilnius University |
Source Sets | Lithuanian ETD submission system |
Language | Lithuanian |
Detected Language | Unknown |
Type | Master thesis |
Format | application/pdf |
Source | http://vddb.library.lt/obj/LT-eLABa-0001:E.02~2006~D_20140702_190255-88041 |
Rights | Unrestricted |
Page generated in 0.0022 seconds