Так никто и не говорит, что корреляция Пирсона совсем не работает. Просто есть ситуации, в которых она не отображает реальной зависимости. В областях, где используются копулы, случайные величины распределены по всей области значений (то есть бывают и отрицательными), а взаимосвязи между ними гораздо сложнее, чем просто квадратичные.
Насчет неизвестных распределений — можно использовать эмпирическое распределение вместе с бутстреппингом.
Что касается малых выборок — тут я абсолютно согласен, что копулы дают мало информации. Хотя тут можно использовать имеющиеся точки, как центры притяжений и рассчитывать плотность, как суперпозицию влияния наблюдаемых точек. Но это, конечно, очень натянуто…
Что касается малых выборок — тут я абсолютно согласен, что копулы дают мало информации. Хотя тут можно использовать имеющиеся точки, как центры притяжений и рассчитывать плотность, как суперпозицию влияния наблюдаемых точек. Но это, конечно, очень натянуто…