A Maximum Entropy Copula Model for Mixed Data: Representation, Estimation, and Applications
混合数据的最大熵 Copula 模型：表示、估计与应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要提供混合变量依赖结构的通用非参数模型，未明确涉及分布处理效应、金融风险或其他所列领域的具体问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
混合数据的最大熵 Copula 模型：表示、估计与应用
- 研究问题
- 如何为离散与连续变量任意组合的混合随机向量构造非参数 Copula 模型，同时保证估计非负、归一化且参数可解释？
- 方法与思路
- 作者提出最大熵 Copula 密度模型，利用非参数统计工具和 LP-Fourier 变换表示并近似对数 Copula 密度。
- 材料陈述的贡献
- 摘要称，该模型自动适用于混合变量，产生非负且积分为一的密度估计，并为理解一类统计方法提供统一视角。
- 阅读关注点
- 应核对离散边际下 Copula 密度的定义与唯一性、最大熵约束、基展开和截断方式，以及参数解释和估计性质。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明混合变量的具体表示、估计条件及实证结果，适用范围待核对。
原文摘要
A new nonparametric model of maximum-entropy (MaxEnt) copula density function is proposed, which offers the following advantages: (i) it is valid for mixed random vector. By `mixed' we mean the method works for any combination of discrete or continuous variables in a fully automated manner; (ii) it yields a bonafide density estimate with intepretable parameters. By `bonafide' we mean the estimate guarantees to be a non-negative function, integrates to 1; and (iii) it plays a unifying role in our understanding of a large class of statistical methods. Our approach utilizes modern machinery of nonparametric statistics to represent and approximate log-copula density function via LP-Fourier transform. Several real-data examples are also provided to explore the key theoretical and practical implications of the theory.