Geschäftskontext
Eine Versicherungsgesellschaft modelliert Hochwasser- und Sturmschäden. Diese Ereignisse korrelieren stark in ihren Extremwerten (Upper Tail Dependence). Der Test prüft die korrekte Anwendung der Gumbel-Copula und validiert die Reproduzierbarkeit der Ergebnisse durch den 'seed'-Parameter, sowie die Erstellung von Diagnosediagrammen.
Datenaufbereitung
Bereinigung der Umgebung.
Kopiert!
| 1 | |
| 2 | PROC CASUTIL; |
| 3 | droptable casdata='flood_sim' incaslib='casuser' quiet; |
| 4 | |
| 5 | QUIT; |
| 6 |
Étapes de réalisation
1
Simulation einer Gumbel-Copula mit Theta=2.0, Seed-Fixierung und Anforderung von Plots.
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | copula.copulaSimulate / define={copulaType='GUMBEL', theta=2.0}, ndraws=500, seed=42, var={'Flood_Level', 'Wind_Speed'}, outuniform={name='flood_sim', caslib='casuser', replace=true}, plot={scatter=true, uniform=true}; |
| 4 | |
| 5 | RUN; |
| 6 | |
| 7 | QUIT; |
| 8 |
2
Verifizierung der Datenintegrität (optionaler Schritt zur manuellen Prüfung).
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.fetch / TABLE={name='flood_sim', caslib='casuser'}, to=10; |
| 4 | |
| 5 | RUN; |
| 6 | |
| 7 | QUIT; |
| 8 |
Erwartetes Ergebnis
Die Simulation läuft erfolgreich durch. Dank 'seed=42' müssen die Ergebnisse bei wiederholter Ausführung identisch sein. Die ODS-Ausgabe muss Scatterplots und Histogramme der uniformen Verteilung enthalten. Die Tabelle 'flood_sim' enthält Werte zwischen 0 und 1.