×
克里斯蒂亚诺·维拉

重尾观测的广义帕累托分布阈值的贝叶斯估计。 （英语） Zbl 1422.62111号

测试 26，第1期，95-118（2017）.
摘要：在本文中，我们讨论了一种定义广义Pareto分布阈值的先验分布的方法，特别是当其应用程序指向重尾数据时。我们建议将先验概率赋给给定观测集的顺序统计量。换句话说，我们假设阈值与其中一个数据点一致。我们展示了两种定义先验的方法：通过为每个顺序统计分配相等的质量，即一个统一的先验，以及通过考虑每个顺序统计在表示真实阈值方面的价值。这两个建议的先验值都代表了一个信息最少的场景，我们通过模拟练习以及分析保险和金融的两个应用程序来研究它们的充分性。

引用于2文件

MSC公司：

2015年1月62日 贝叶斯推断
62P05号 统计学在精算学和金融数学中的应用
62G32型 极值统计；尾部推断

关键词：

极值；广义帕累托分布；沉重的尾巴；Kullback-Leibler散度；自我信息丢失

软件：

伊斯梅夫；GSM（全球移动通信系统）
PDF格式BibTeX公司 XML格式引用
\textit{C.Villa}，测试26，编号1，95--118（2017；Zbl 1422.62111）
全文： 内政部 arXiv公司

参考文献：

[1] Behrens CN，Lopes HF，Gamerman D（2004），极限事件贝叶斯分析与阈值估计。统计模式4:227-244·Zbl 1111.62023号 ·doi:10.1191/1471082X04st075oa
[2] Berger JO（1985）统计决策理论和贝叶斯分析。纽约州施普林格·Zbl 0572.62008号 ·doi:10.1007/9781-4757-4286-2
[3] Berger JO（2006）客观贝叶斯分析案例。贝叶斯分析1:385-402·兹比尔1331.62042 ·doi:10.1214/06-BA115
[4] Berger JO，Bernardo JM，Sun D（2009）参考先验的正式定义。安统计37:905-938·Zbl 1162.62013年 ·doi:10.1214/07-AOS587
[5] Berk RH（1966）模型不正确时后验分布的极限行为。数学统计年鉴37:51-58·Zbl 0151.23802号 ·doi:10.1214/aoms/1177699597
[6] Bernardo JM（2005）《内在可信区域：区间估计的客观贝叶斯方法》。测试14:317-384·Zbl 1087.62036号 ·doi:10.1007/BF02595408
[7] Bernardo JM，Smith AFM（1994）贝叶斯理论。纽约威利·Zbl 0796.6202号 ·doi:10.1002/9780470316870
[8] Cabras S，Castellanos ME（2011）半参数混合模型下估计极端分位数的贝叶斯方法。阿斯汀公牛41:87-106·Zbl 1220.62056号
[9] Carlin BP，Gelfand AE（1990）经验Bayes置信区间的方法。美国统计学会杂志85:105-114·Zbl 0731.62080号 ·doi:10.1080/01621459.1990.10475312
[10] Carreau J，Bengio Y（2009），非对称尾脂数据的混合Pareto模型：单变量案例。极限12:53-76·Zbl 1223.62030号 ·doi:10.1007/s10687-008-0068-0
[11] Castellanos ME，Cabras S（2007）广义帕累托分布的默认贝叶斯程序。J Stat Plan推断137:473-783·Zbl 1102.62023号 ·doi:10.1016/j.jspi.2006.01.006
[12] Coles SG（2001）极值统计建模简介。纽约州施普林格·Zbl 0980.62043号 ·doi:10.1007/978-1-4471-3675-0
[13] Czado C，Delwards A，Denuit M（2005）泊松对数双线性死亡率预测。保险数学经济36:260-284·Zbl 1110.62142号 ·doi:10.1016/j.insmateco.2005.01.01
[14] Darnieder WF（2011）数据相关先验的贝叶斯方法。俄亥俄州立大学博士学位论文
[15] De Zea BP，Turkman MA，Turkman K（2001）尾部概率估计的预测方法。极端4:295-314·兹比尔1023.62031 ·doi:10.1023/A:1016546027962
[16] De Zea BP，Turkman MA（2003），广义Pareto分布参数估计的贝叶斯方法。测试12:259-277·Zbl 1039.62023号 ·doi:10.1007/BF02595822
[17] Deely JJ，Lindley DV（1981）《实证贝叶斯》。美国统计协会杂志76:833-841·Zbl 0495.62009号 ·doi:10.1080/01621459.1981.1047731
[18] Del Castillo J、Daoudi J、Serra I（2012）应用于模型极值的全尾伽马分布。arXiv:1211.0130·Zbl 1390.62084号
[19] Diebolt J，Robert C（1994），贝叶斯抽样法对有限混合分布的估计。J R Stat Soc序列B 56:363-375·Zbl 0796.62028号
[20] Do Nascimento F，Gamerman D，Lopes HF（2011）极值估计的半参数贝叶斯方法。统计计算22:661-675·Zbl 1322.62049号 ·doi:10.1007/s11222-011-9270-z
[21] Donnelly C，Embrechts P（2010）魔鬼在尾巴：精算数学和次级抵押贷款危机。阿斯汀公牛40:1-33·Zbl 1230.91181号 ·doi:10.2143/AST.40.1.2049222
[22] Fabozzi FJ、Focardi SM、Höchostötter M、Rachev ST（2010）《金融概率与统计》。霍博肯·威利·Zbl 1229.91002号
[23] Fernandez C，Steel MFJ（1998）《通过连续分布建模的危险：贝叶斯观点》。贝叶斯统计6:1-16
[24] Frigessi A，Haug O，Rue H（2002）无监督尾部估计的动态混合模型，无阈值选择。极限5:219-235·Zbl 1039.62042号 ·doi:10.1023/A:1024072610684
[25] Füquene Patiño JA（2015）使用伽马密度Dirichlet过程混合物的半参数贝叶斯极值模型。J应用程序统计42:267-280·Zbl 1514.62574号 ·doi:10.1080/02664763.2014.947357
[26] Gelman A，Rubin DB（1992）使用多序列的迭代模拟推断。统计科学7:457-511·Zbl 1386.65060号 ·doi:10.1214/ss/117701136
[27] Gelman A、Carlin JB、Stern HS、Rubin DB（2014）《贝叶斯数据分析》。查普曼和霍尔/CRC，博卡拉顿·Zbl 1279.62004号
[28] Kullback S，Leibler RA（1951）关于信息和充分性。Ann数学统计22:79-86·Zbl 0042.38403号 ·doi:10.1214/aoms/1177729694
[29] MacAuliffe J，Blei D，Jordan M（2006）狄利克雷过程混合模型的非参数经验贝叶斯。统计计算16:5-14·doi:10.1007/s11222-006-5196-2
[30] MacDonald A、Scarrott CJ、Lee D、Darlow B、Reale M、Russell G（2011）《灵活极值混合模型》。计算统计数据分析55:2137-2157·Zbl 1328.62296号 ·doi:10.1016/j.csda.2011.01.005
[31] MacEachern SN（1998）dirichlet过程模型的混合方法。收录：统计学课堂讲稿。纽约州施普林格·Zbl 0918.62064号
[32] McNeil AJ（1997）使用极值理论估计损失严重性分布的尾部。阿斯汀公牛27:117-137·doi:10.2143/AST.27.1.563210
[33] Mendes B，Lopes HF（2004），混合物的数据驱动估计。计算统计数据分析47:583-598·Zbl 1429.62019号 ·doi:10.1016/j.csda.2003.12.006
[34] Mengersen KL、Robert CP、Titterington DM（2011）《混合物：估算和应用》。奇切斯特·威利·Zbl 1218.62003号 ·doi:10.1002/9781119995678
[35] Merhav N，Feder M（1998）《普遍预测》。IEEE传输。神经网络20:1087-1101
[36] Morris CN（1983）《经验贝叶斯推断：理论与应用》。美国统计协会杂志68:47-55·Zbl 0506.62005年 ·doi:10.1080/01621459.1983.10477920
[37] Northrop PJ，Coleman CL（2014），极值分析的改进阈值诊断图。极端12:289-303·Zbl 1308.62104号 ·doi:10.1007/s10687-014-0183-z
[38] Pickands J（1975）使用极值顺序统计的统计推断。安统计3:119-131·Zbl 0312.62038号 ·doi:10.1214/aos/1176343003
[39] Raftery，AE；吉尔克斯，WR（编辑）；Richardson，S.（编辑）；Spiegelhalter，DJ（编辑），通过后验模拟进行假设检验和模型选择，163-188（1996），伦敦
[40] Scarrot C，MacDonald A（2012）极值阈值估计和不确定性量化综述。REVSTAT统计J 10:33-60·兹比尔1297.62120
[41] Smith RL（1984）统计极值和应用。多德雷赫特·雷德尔
[42] Tancredi A、Anderson CW、O’Hagan A（2006）《极值估计中阈值不确定性的解释》。极限9:87-106·Zbl 1164.62326号 ·doi:10.1007/s10687-006-0009-8
[43] Venturini S、Dominici F、Parmigiani G（2008）重尾分布的伽马形状混合物。安应用程序统计2:756-776·Zbl 1400.62292号 ·doi:10.1214/07-AOAS156
[44] Villa C，Walker SG（2015）离散参数空间先验质量函数的客观方法。美国统计协会期刊110:1072-1082·Zbl 1373.62108号 ·doi:10.1080/01621459.2014.946319
[45] Wadsworth JL，Tawn JA（2012）基于似然法的阈值诊断程序和极值建模中的不确定性。J R Stat Soc序列B 74:543-567·Zbl 1411.62127号 ·文件编号：10.1111/j.1467-9868.2011.01017.x
[46] Wasserman L（2000）使用数据相关先验对混合模型进行渐近推断。J R Stat Soc系列B 62:159-180·Zbl 0976.62028号 ·doi:10.111/1467-9868.00226
[47] Wiper M、Rios Insua D、Ruggeri F（2001）《伽马分布与应用的混合》。J计算图表统计10:440-454·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。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。