×
贝兰特，一月；G.马里贝。；A.维斯特。

截尾帕累托型数据和长尾保险应用中极值估计的惩罚偏差减少。 （英语） Zbl 1396.62096号

保险。数学。经济。 78114-122（2018）.
摘要：重尾分布中随机删失数据的尾估计问题受到了越来越多的关注，这是由于精算统计等应用的推动。极值指数可用估计量的偏差可能很大，并且很大程度上取决于截尾量。我们回顾了可用估计量，提出了一种新的偏差减少估计量，并说明了收缩估计如何有助于控制MSE。提出了一种自举算法来构造置信区间。我们通过仿真将这些新建议与现有估计进行了比较。最后，我们对长尾汽车保险组合进行了详细的研究，该组合通常表现出严重的审查。

引用于1审查
引用于7文件

MSC公司：

62G32型 极值统计；尾部推断
62号02 生存分析和截尾数据中的估计
62P05号 统计学在精算学和金融数学中的应用

关键词：

极值指数；帕累托类型；尾部估计；随机审查；偏压降低
PDF格式BibTeX公司 XML格式引用
\textit{J.贝兰特}等人，《保险》。数学。经济。78、114-122（2018；Zbl 1396.62096）
全文： DOI程序 arXiv公司

参考文献：

[1] Ameraoui，A。；Boukhetala，K。；Dupuy，J.-F.，随机截尾下重尾分布尾部指数的贝叶斯估计，计算。统计师。数据分析。，104, 148-168 (2016) ·Zbl 1466.62019年
[2] 贝兰特，J。；Bardoutsos，A。；脱湿，T。；Gijbels，I.，《截尾Pareto型分布的偏降尾估计》，Statist。普罗巴伯。莱特。，109, 78-88 (2016) ·兹比尔1383.62151
[3] 贝兰特，J。；Guillou，A。；Dierckx，G。；Fils-Villetard，A.，随机截尾下极值指数和极值分位数的估计，极值，10115-174（2007）·Zbl 1157.62027号
[4] 贝兰特，J。；乔森斯，E。；Segers，J.，《重尾分布的二阶优化峰值阈值建模》，J.Statist。计划。推断，1392800-2815（2009）·Zbl 1162.62044号
[5] 贝兰特，J。；Maribe，G。；Verster，A.，《使用收缩估计器减少重尾估计中的偏差和平均有效误差》，Revstat（2017年），（出版中）·Zbl 1428.62195号
[6] 卜拉希米，B。；Meraghni，D。；Necir，A.，随机删失和应用下重尾分布的尾指数估计的近似，数学。方法统计。，24, 266-279 (2015) ·Zbl 1334.60090号
[7] Brahimi，B.，Meraghni，D.，Necir，A.，2016年。随机审查下的Nelson-Aalen尾部产品极限估计。arXiv:1502.03955v2；Brahimi，B.，Meraghni，D.，Necir，A.，2016年。随机审查下的Nelson-Aalen尾部产品极限估计。arXiv:1502.03955v2
[8] Einmahl，J。；Fils-Villetard，A。；Guillou，A.，《随机审查下的极值统计》，Bernoulli，14207-227（2008）·Zbl 1155.62036号
[9] 弗拉加·阿尔维斯，M.I。；马里兰州戈麦斯。；de Haan，L.，二阶参数的一类新的半参数估计，Port.Math。，60, 193-214 (2003) ·Zbl 1042.62050
[10] 马里兰州戈麦斯。；Neves，M.M.，随机删失数据的极值指数估计，生物。莱特。，48, 1-22 (2011)
[11] 马里兰州戈麦斯。；Oliveira，O.，《正尾指数的审查估计》，Statist。普罗巴伯。莱特。，65, 147-159 (2003) ·Zbl 1048.62052号
[12] Hill，B.M.，关于分布尾部的一种简单通用方法，Ann.Statist。，3, 1163-1174 (1975) ·Zbl 0323.62033号
[13] 沃姆斯，J。；Worms，R.，重尾分布随机右删失下极值指数的新估计量，极值，17，337-358（2014）·Zbl 1309.62093号
[14] Worms，J.，Worms，R.，2017年。竞争风险下重尾截尾数据的极值统计。ArxivID arXiv:1701.05458；Worms，J.，Worms，R.，2017年。竞争风险下重尾截尾数据的极值统计。ArxivID arXiv:1701.05458·Zbl 1309.62093号
[15] Zellner，A.，《计量经济学中贝叶斯推断导论》（1971），威利·Zbl 0246.62098号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。