R编程语言中是否存在直接计算概率积分变换（PIT）的包或命令？

Question

我有四组随机数据样本，由四个相关随机变量 U1、U2、U3、U4 生成 我想对其应用联结拟合。为此，我需要找到概率积分变换（PIT）。一种方法是我可以使用数据估计每个随机变量的边际 CDF，然后使用概率积分变换 (PIT) 找到均匀分布在区间 [0, 1] 上的边际。

但是 R 编程语言中有一个统一的命令可以做到这一点吗？我相信 R 确实有这样的函数，由

isodistrreg

包中的概率积分变换（PIT）给出。但我无法得到它的论据。

pit（预测，y，随机化= TRUE，种子= NULL） 为什么需要同时给出预测和数值向量“y”，为什么我不能只输入生成的随机数据，即“y”，它会给出概率积分变换（PIT）？

我是否失去了一些东西，我的理解差距在哪里？

PS：在没有统一命令的情况下，我使用这种方法：

Step1：从数据中找到 CDF 我正在使用 ecdf 函数。

Step2：生成[0,1]范围内的均匀随机数

Step3：现在我必须对生成的均匀随机样本执行 CDF 的逆操作，因此我使用分位数函数。但我希望在生成的 CDF 上使用此分位数函数，即从 eCDF 生成的数据而不是原始数据，因为原始数据丢失以及 NaN 条目，并且它给了我错误，Quantile.default(matrixdata[, 1) 中的错误], unigf) ：如果“na.rm”为 FALSE，则不允许缺失值和 NaN 我知道我可以设置 na.rm=True，但想了解其他选项。

Answer 1

您需要执行三个初始步骤才能使用联结数据。

• 首先，您可以估计边距并将其转换为统一的边距。我们称之为两阶段估计方法。或者，使用

  pobs

  或

  copula

  包中的

  VineCopula

  函数使用概率积分变换来变换边距。

• 将 copula 模型拟合到 copula 数据（来自步骤 1）

• 然后，可以使用逆向方法返回原始数据。

如果您需要进一步帮助，请提供完整的 R 代码。