费尔南多·费拉兹·多·纳西门托;达尼·加默曼;赫迪伯特·弗雷塔斯·洛佩斯 极值估计的半参数贝叶斯方法。 (英语) Zbl 1322.62049号 统计计算。 22,第2期,661-675(2012). 小结:本文研究极值密度估计。将超过给定阈值的广义帕累托分布(GPD)与低于阈值的非参数估计方法相结合。这种半参数设置被证明是对一些现有方法的推广,并且能够在整个样本空间上进行密度估计。通过贝叶斯范式进行估计,这有助于识别模型组件。提供了所有模型参数的估计,包括阈值和更高分位数,以及对未来观测的预测。模拟研究提出了一些有用的准则来评估拟议程序的相关性。它们还提供了关于拟议方法相对于现有方法的改进的经验证据。然后将模型应用于环境数据集。本文最后对今后的工作提出了一些方向。 引用于21文件 MSC公司: 62-07 数据分析(统计)(MSC2010) 62G05型 非参数估计 62G32型 极值统计;尾部推理 62页第12页 统计在环境和相关主题中的应用 关键词:贝叶斯;全球采购部;高分位数;MCMC公司;阈值估计;曲线的非参数估计 PDF格式BibTeX公司 XML格式引用 \textit{F.Ferraz do Nascimento}等人,《统计计算》。22,第2号,661--675(2012;Zbl 1322.62049) 全文: 内政部 参考文献: [1] Asmussen,S.:应用概率与队列。威利,纽约(1987)·Zbl 0624.60098号 [2] Behrens,C.,Gamerman,D.,Lopes,H.F.:用阈值估计对极端事件进行贝叶斯分析。统计模型。4, 227–244 (2004) ·Zbl 1111.62023号 ·doi:10.1191/1471082X04st075oa [3] Bermudez,P.,Turkman,M.A.,Turk曼,K.F.:尾部概率估计的预测方法。极端4,295–314(2001)·Zbl 1023.62031号 ·doi:10.1023/A:1016546027962 [4] Cabras,S.,Castellanos,M.A.,Gamerman,D.:极值回归的默认贝叶斯方法。统计模型。(2011年,接受) [5] Castellanos,M.A.,Cabras,S.:广义帕累托分布的默认贝叶斯过程。J.统计计划。推论137473–483(2007)·Zbl 1102.62023号 ·doi:10.1016/j.jspi.2006.01.006 [6] 科尔斯,S.G.:极值理论及其应用。Kluver Academic,多德雷赫特(2001)·Zbl 0980.62043号 [7] Coles,S.G.,Tawn,J.A.:极端降雨数据的贝叶斯分析。申请。Stat.45,463–478(1996年)·Zbl 04534914号 ·doi:10.2307/2986068 [8] Cunnane,C.:关于部分持续时间序列模型中泊松假设的注释。水资源。第15、489–494号决议(1979年)·doi:10.1029/WR015i002p00489 [9] Dalal,S.,Hall,W.:用自然共轭先验的混合物逼近先验。J.R.Stat.Soc.,塞尔维亚。B 45,278–286(1983)·Zbl 0532.62017号 [10] Davison,A.C.,Smith,R.L.:高阈值超标模型(含讨论)。J.R.Stat.Soc.,塞尔维亚。B 52,393–342(1990)·Zbl 0706.62039号 [11] Dey,D.,Kuo,L.,Sahu,S.:确定混合分布中成分数量的贝叶斯预测方法。统计计算。5, 297–305 (1995) ·doi:10.1007/BF00162502 [12] Diebolt,J.,Robert,C.:通过贝叶斯抽样估计有限混合分布。J.R.Stat.Soc.,塞尔维亚。B 56363–375(1994)·Zbl 0796.62028号 [13] Diebolt,J.、El-Aroui,M.、Garrido,M.和Girard,S.:gpd参数的准共轭Bayes估计及其在重尾建模中的应用。极端1,57–78(2005)·Zbl 1091.62009年 ·doi:10.1007/s10687-005-4860-9 [14] Doornik,JA:Ox:面向对象矩阵编程,4.1控制台版本。伦敦牛津大学纳菲尔德学院(1996年) [15] Embrechts,P.,Küppelberg,C.,Mikosch,T.:保险和金融极端事件建模。施普林格,纽约(1997)·Zbl 0873.62116号 [16] Fisher,R.A.,Tippett,L.H.C.:关于样本最大和最小数量的频率分布的估计。程序。外倾角。菲洛斯。《社会学杂志》第24期,第180–190页(1928年)·JFM 54.0560.05号 ·doi:10.1017/S0305004100015681 [17] Frigessi,A.,Haug,O.,Rue,H.:无监督尾部估计的动态混合模型,无阈值选择。极值5219-235(2002)·兹比尔1039.62042 ·doi:10.1023/A:1024072610684 [18] Frühwirth-Schnatter,S.:经典和动态切换及混合模型的马尔可夫链蒙特卡罗估计。《美国统计协会期刊》96,194-209(2001)·Zbl 1015.62022号 ·doi:10.1198/016214501750333063 [19] Gamerman,D.,Lopes,H.F.:马尔可夫链蒙特卡罗:贝叶斯推断的随机模拟,第二版,查普曼和霍尔/CRC,巴吞鲁日(2006)·Zbl 1137.62011年 [20] Gramacy,R.,Lee,K.:贝叶斯树高斯过程模型及其在计算机建模中的应用。《美国统计协会期刊》103、1119–1130(2008)·Zbl 1205.62218号 ·doi:10.1198/0162145000000689 [21] Jenkinson,A.F.:气象事件年最大(或最小)值的频率分布。Q.J.R.Meteorol公司。Soc.81158-171(1955年)·数字对象标识代码:10.1002/qj.49708134804 [22] Lopes,H.F.、Nascimento,F.F.、Gamerman,D.:具有时变尾部行为的广义Pareto模型。LES:UFRJ技术报告,编制中(2011年) [23] 冯·米塞斯,R.:La distribution de La plus grand de nvaleurs。美国数学。Soc.2271-294(1954年) [24] Nascimento,F.F.、Gamerman,D.、Lopes,H.F.:通过完全似然的超越数据回归模型。环境。经济。统计(2011年,待公布) [25] Pickands,J.:使用极端顺序统计进行统计推断。Ann.Stat.3,119–131(1975)·Zbl 0312.62038号 ·doi:10.1214/aos/1176343003 [26] Richardson,S.,Green,P.:关于成分数量未知的混合物的贝叶斯分析。J.R.Stat.Soc.,塞尔维亚。B 59、731–792(1997)·Zbl 0891.62020号 ·数字标识代码:10.1111/1467-9868.00095 [27] Roberts,G.O.,Rosenthal,J.S.:自适应mcmc的示例。计算与图形杂志。统计数字18,349–367(2009) [28] Roeder,K.,Wasserman,L.:使用混合法线的实用贝叶斯密度估计。《美国统计协会期刊》92,894–902(1997)·Zbl 0889.62021号 ·doi:10.1080/01621459.1997.10474044 [29] Schwarz,G.:估算模型的维数。Ann.Stat.6,461–464(1978)·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [30] Smith,R.L.:样本极值的阈值模型。统计极值和应用621–638(1984) [31] Spiegelhalter,D.J.,Best,N.G.,Carlin,B.P.,Linde,A.:模型复杂性和拟合的贝叶斯度量。J.R.Stat.Soc.B第64、583–639页(2002年)·兹比尔1067.62010 ·doi:10.111/1467-9868.00353 [32] Tancredi,A.,Anderson,C.,O'Hagan,A.:极值估计中阈值不确定性的解释。极端9,87–106(2006)·Zbl 1164.62326号 ·doi:10.1007/s10687-006-0009-8 [33] Titterington,D.,Smith,A.F.M.,Makov,U.:有限混合分布的统计分析。威利,纽约(1985)·Zbl 0646.62013.中 [34] Wiper,M.、Rios Insua,D.、Ruggeri,F.:伽马分布与应用的混合。J.计算。图表。统计数字10,440–454(2001)·Zbl 04568632号 ·doi:10.1198/106186001317115054 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。