表題番号：2020C-741 日付：2021/04/19
研究課題Bernsteinコピュラの推定に関する研究
研究者所属（当時） 資格 氏名
（代表者） データ科学センター 准教授 竇　暁玲
研究成果概要
Bernstein コピュラのパラメータの各次元のサイズがデータのサイズと同じになるときに経験Betaコピュラになる。経験Betaコピュラはパラメータが必要としない、各次元でデータのランクを用いたノンパラメットリックな多次元分布の推定方法。本研究は経験Betaコピュラの推定を試みた。実データを使った実験では、サンプルサイズNに対してNの３乗の計算時間が必要。BernsteinコピュラはBernstein多項式の数のパラメータが必要だが、少ない計算量で済むメリットがある。また、経験Betaコピュラの計算には、Beta関数を用いるのでN=500までは計算できるが、それ以上はBeta関数が分母でゼロになるため, 不具合が生じることが分かった。