在Python中生成具有指定边缘的copula相关示例 我有n个随机变量（x1，…，xn），每个变量都分布在一个特定的边缘（正常，对数正态，泊松…），并且我想生成一个p变量联合实现的变量席的样本，假设变量与给定的Copula相关，使用Python 3。我知道R是一个更好的选择，但我想用Python来实现它

按照下面的方法，我用高斯Copula成功地做到了这一点。现在我想修改这个方法，使用阿基米德Copula（Gumbel，Frank…）或Student Copula。在高斯copula方法的开始，您从多元正态分布中提取p实现的样本。为了适应另一个copula，例如二元Gumbel，我的想法是从中抽取一个样本，但我不确定如何实现这一点

我尝试过使用几个Python3包：，并且都提供了将特定copula适配到数据集的noption，但不允许从给定copula中随机抽取样本

---

你能提供一些关于如何从给定的具有统一边界的Copula中提取多元随机样本的算法见解吗？

下面的代码实现了Clayton和AMH Copula。的第4页显示了如何实现其他类型的连接

import random
import math
import scipy.stats as st
def clayton(theta, n):
    v=random.gammavariate(1/theta,1)
    uf=[random.expovariate(1)/v for _ in range(n)]
    return [(k+1)**(-1.0/theta) for k in uf]

def amh(theta, n):
    # NOTE: Use SciPy RNG for convenience here
    v=st.geom(1-theta).rvs()
    uf=[random.expovariate(1)/v for _ in range(n)]
    return [(1-theta)/(math.exp(k)-theta) for k in uf]

请检查这一页。我想这就是你要找的

例如，如果在[1,3]和x2:Normal（0,2）上有两个分布x1:Uniform，并且知道依赖结构copula，那么可以非常容易地构建多维分布X=（x1，x2）

import openturns as ot

x1 = ot.Uniform(1, 3)
x2 = ot.Normal(0, 2)
copula = ot.IndependentCopula()

X = ot.ComposedDistribution([x1, x2], copula)

X.getSample（5）

将返回大小为5的样本：

>>>   [ X0         X1         ]
0 : [  1.87016    0.802719  ]
1 : [  1.72333    2.73565   ]
2 : [  1.00422    2.00869   ]
3 : [  1.47887    1.4831    ]
4 : [  1.51031   -0.0872247 ]

可以在二维视图中查看云

import matplotlib.pyplot as plt

sample = dist.getSample(1000)
plt.scatter(sample[:, 0], sample[:, 1], s=2)

如果选择

copula=ot.ClaytonCopula（2）

，结果将是：

使用GumbelCopula（2）：