对静止时间序列。使用了两种方法。一种是基于一个模型,该模型将块最大值的分布与级数的边际分布及其导致的半参数极大值Northrop(2015)中描述的估算值<doi:10.1007/s10687-015-0221-5>和Berghaus和Bucher(2018)<doi:10.1214/17-AOS1621>. 滑块最大值用于提高估计精度。图形块大小提供诊断。另一种方法使用模型阈值互超时间的分布(Ferro和Segers(2003))<doi:10.1111/1467-9868.00401>). 这种方法有三种版本提供:Suveges(2007)的迭代加权最小二乘法<doi:10.1007/s10687-007-0034-2>,K间隙模型Suveges和Davison(2010)<doi:10.1214/09-AOAS292>和类似的方法Holesovsky和Fusek(2020年)<doi:10.1007/s10687-020-00374-3> 我们称之为D-gaps。对于K-gaps和D-gaps模型,此包允许数据中缺少值,可以容纳数据,例如不同年份的月度或季节性时间序列,可以包含来自权利审查的超越时间的信息。阈值水平和相应调整的图形诊断提供了参数K和D。
请使用规范形式https://CRAN.R-project.org/package=exdex链接到此页面。