Copula可以称为连接函数，描述分布之间的的dependence。本质上，也是一种distribution。
估计distribution需要一系列点（不需要每个点的概率值，也就是只有X，没有P(X)），然后estimate parameter。
目前，我需要将该parameter做成dynamic的，也就是每个点都在变动，例如time series模型ar。那么直接将ar模型带入，mle和eis等方法应该是可以estimate的。

However，我现在有个困惑，希望各位能给我解答下：
假设我一开始不知道parameter的模型，那么按照我的逻辑来看，应该是先取得每个点的parameter的值，然后对parameter建模。
首先，在这里，我知道P(X)的值，那么P(X)=F(X, parameter)，parameter应该可以是通过bisection等数值方法在每个点可以计算出来，但是如果parameter是multi，比如10个，且互相之间没有dependence，那么应该是计算不出来的。例如，multi－gaussian里，parameter是correlation的matrix。
这样看来，我只有将multi－parameter的模型直接带入原分布才能计算。

我这样想，是否有错？有没有其余方法可以实现计算每个点的multi－parameter的值？