我相信您只是指通过概率积分变换，当单独应用于每个变量时，将 d 维分布转换为其 copula。$U[0,1]$

例如，如果您有一个二元法线，并变换和，那么是一个高斯 copula。$(X,Y)$$U=F_X(X)$$V=F_Y(Y)$$(U,V)$

例如看这里

这里有一些推荐的入门读物

Sklar 定理说（双变量情况），对于任何给定的联合分布函数，两个随机变量和和的均匀单变量边距和，那么存在copula 函数，这样：$H$$X$$Y$$F_x(x)$$G_y(y)$$X$$Y$$C$

如果所有边距都是连续的，则 copula 是唯一的。

copula 变换的思想是：Copula 模型允许将边距与依赖结构分开建模。因此，我们将所有变量转换为统一的，以便在不影响边距的情况下捕获变量之间的纯依赖结构。 因此，。所以我们可以很容易地回到原始数据。$u=F(x)$$F^{-1}(u)=x$