如何用R从独立Copula与共单调Copula的混合模型生成随机样本？

你的实现存在的问题 #

• 共单调Copula样本生成错误：你通过对独立样本的列排序得到u.como，这不符合共单调Copula的定义。对于边缘为均匀分布的共单调Copula，其样本应该是三个完全正相关的均匀变量，即每个样本点的三个维度取同一个U(0,1)值（因为完全正相关时，变量间是单调递增的一一对应关系，边缘均匀下等价于共享同一个均匀随机数）。
• 混合逻辑错误：混合Copula是分布的混合，即每个样本点以概率w来自独立Copula，以概率1-w来自共单调Copula，而不是对两个Copula的样本点做线性加权。直接加权得到的mix.sam不仅会破坏边缘分布的均匀性，甚至可能出现超出[0,1]区间的值，不符合Copula的基本要求。

正确的实现方式 #

以下是符合混合Copula定义的R代码（生成9个3维观测值，w=0.5）：

set.seed(285)
n <- 9  # 观测数
w <- 0.5  # 独立Copula的权重

# 1. 生成每个样本的来源标记：1=独立Copula，2=共单调Copula
source <- sample(c(1, 2), size = n, replace = TRUE, prob = c(w, 1 - w))

# 2. 初始化样本矩阵
mix.sam <- matrix(NA, nrow = n, ncol = 3)

# 3. 生成独立Copula样本
ind_idx <- which(source == 1)
mix.sam[ind_idx, ] <- matrix(runif(length(ind_idx)*3), ncol = 3)

# 4. 生成共单调Copula样本
como_idx <- which(source == 2)
como_u <- runif(length(como_idx))
mix.sam[como_idx, ] <- como_u %*% t(rep(1, 3))  # 每个样本点三个维度取同一个均匀值

# 查看结果
mix.sam

补充说明 #

• 共单调Copula的核心是变量间完全正相关，因此当边缘为均匀分布时，每个样本点的三个维度必然相等（或严格单调递增，但均匀边缘下等价于取同一值）。
• 混合后的样本，每个边缘仍然是U(0,1)分布，符合Copula的边缘均匀性要求。

内容的提问来源于stack exchange，提问作者Vanesa Jordà