经典的阈值上峰值分析广泛用于样本极值的统计建模，并且可以通过超越簇大小的模型进行补充。在温和条件下，复合泊松过程模型允许估计阈值超标的边际分布和平均簇大小，但需要选择阈值和运行参数，K（K），这决定了如何对超标进行去聚类。我们推广了一类称为极值指数的倒数平均簇大小的估计量，建立了一致性和渐近正态性，并使用复合泊松过程推导了模型有效性和运行参数和阈值选择的误指定检验。温度和降雨量的模拟示例和实际数据说明了这些思想，既可以用于在非标准情况下估计极值指数，也可以用于评估极值模型的有效性。