| dc.description.abstract | Ces dernières décennies, nous avons assisté à l’émergence du concept de
copule en modélisation statistique. Cet essor est justifié par le fait que les copules permettent de faire une analyse séparée des marges et de la structure de
dépendance induite par une distribution statistique. Cette séparation facilite
l’incorporation de lois non gaussiennes et la prise en compte des dépendances
non linéaires entre les variables. La finance et l’hydrologie sont deux exemples
de domaines ou les copules sont très utilisées, par ce fait les copules représentent
un outil innovant pour modéliser la structure de dépendance de plusieurs variables aléatoires.
Son grand intérêt est qu’elles fournissent des expressions relativement simples
des structures de dépendance liant les marges d’une loi multidimensionnelle.
Plus précisément, pour le cas bidimensionnel, une copule C définie sur [0, 1]2
,
associée à une distribution H de marges uniformes F et G, permet de représenter
la fonction de répartition jointe H(x, y) en fonction de ces marginales F(x) et
G(y) par la relation :
H(x, y) = C(F(x), G(y)). | en_US |
