×
贝兰特，一月;费尔南多·菲格雷多;M.Ivette戈麦斯;比约恩范德维尔

改进的减少偏尾指数和分位数估计量。 （英语） Zbl 1131.62041号

J.Stat.计划。推断 138，第6期，1851-1870（2008）.
小结：我们讨论重尾的偏差减少技术，试图主要改进经典高分位数估计的性能。高分位数在很大程度上取决于尾部指数（gamma），最近针对该指数引入了新的降维估计类，其中偏差中的二阶参数估计在比尾部指数估计的水平（k）更大的水平（k{1}）上。这样做，可以看到新估计量的渐近方差可以保持与流行的Hill估计量的方差相等[B.M.希尔《美国年鉴》第53卷第1163–1174页（1975年；Zbl 0323.62033号)]. 以类似的方式，我们现在引入了新的尾部指数类和相关的高分位数估计量，在一大类重尾模型中，其渐近均方误差小于所有（k）的经典估计量。我们导出了它们的渐近分布性质，并将它们与替代估计量的渐近分布性质进行了比较。其次，还通过蒙特卡罗模拟研究和对保险领域一组实际数据的应用，对估值器的有限样本行为进行了说明。

引用于18文件

MSC公司：

62G32型 极值统计；尾部推断
6220国集团 非参数推理的渐近性质
62G05型 非参数估计
62E20型 统计学中的渐近分布理论
65二氧化碳 蒙特卡罗方法

关键词：

极值统计;沉重的尾巴;高分位数;桌子

引文：

Zbl 0323.62033号
PDF格式BibTeX公司 XML格式引用
\textit{J.Beirlant}等人，J.Stat.Plann。推论138，第6号，1851-1870（2008；Zbl 1131.62041）
全文： 内政部

参考文献：

[1] 贝兰特，J。；Dierckx，G。；Goegebeur，Y。；Matthys，G.，尾指数估计和指数回归模型，极值，2177-200（1999）·Zbl 0947.62034号
[2] 贝兰特，J。；Goegebeur，Y。；Segers，J。；Teugels，J.，《极值统计》（2004），《理论与应用：理论与应用》，纽约威利出版社·Zbl 1070.62036号
[3] Caeiro，F。；Gomes，M.I.，“尺度”二阶参数的一类新估计量，极值，9193-211（2006）·Zbl 1164.62350号
[4] Caeiro，F。；马里兰州戈麦斯。；Pestana，D.D.，经典Hill估计量偏差的直接减少，RevStat，3，21113-136（2005）·Zbl 1108.62049号
[5] 卡塞拉，G。；Berger，R.L.，《统计推断》（2002年），达克斯伯里：美国达克斯伯
[6] Drees，H.，极值指数的一般估计类，J.Statist。计划。推理，98，95-112（1998）·兹比尔0929.62034
[7] Feuerverger，A。；Hall，P.，《通过建模偏离帕累托分布来估计尾部指数》，《统计年鉴》。，27, 760-781 (1999) ·Zbl 0942.62059号
[8] 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，葡萄牙。数学。，60, 2, 194-213 (2003) ·Zbl 1042.62050
[9] Geluk，J.，de Haan L.，1987年。正则变分、扩张和Tauberian定理。荷兰阿姆斯特丹数学与计算机科学中心CWI第40卷。；Geluk，J.，de Haan L.，1987年。正则变分、扩张和Tauberian定理。CWI第40区，荷兰阿姆斯特丹数学与计算机科学中心·Zbl 0624.26003号
[10] 马里兰州戈麦斯。；Figueiredo，F.，风险建模中的偏差减少：半参数分位数估计，Test，15，2，375-396（2006）·Zbl 1110.62066号
[11] 马里兰州戈麦斯。；Martins，M.J.，《Hill估计的替代方法——症状与有限样本行为》，J.Statist。计划。推理，93，161-180（2001）·Zbl 0967.62035号
[12] 马里兰州戈麦斯。；Martins，M.J.，基于二阶参数外部估计的尾部指数“渐近无偏”估计，极值，5，1，5-31（2002）·Zbl 1037.62044号
[13] 马里兰州戈麦斯。；Martins，M.J.，《偏差减少和尾部指数的显式估计》，J.Statist。计划。推断，124361-378（2004）·Zbl 1047.62045号
[14] 马里兰州戈麦斯。；Oliveira，O.，《极值统计中的自助法——最佳样本分数的选择》，极值，4，4，331-358（2001）·兹比尔1023.62048
[15] 戈麦斯，M.I。；Pestana，D.，一个简单的二阶简化bias尾部指数估计量，J.Statist。计算。模拟，77，6，487-504（2007）·Zbl 1123.62035号
[16] 马里兰州戈麦斯。；Pestana，D.，《一个稳健的减少偏差极端分位数（VaR）估计器》，J.Amer。统计师。协会，102，477，280-292（2007）·Zbl 1284.62300号
[17] 马里兰州戈麦斯。；马丁斯，M.J。；Neves，M.，罕见事件参数半参数估计的替代方法——刀切法，极限，3，3，207-229（2000）·Zbl 0979.62038号
[18] 马里兰州戈麦斯。；Caeiro，F。；Figueiredo，F.，通过二阶参数的外部估计减少尾部指数估计量的偏差，统计学，38，6，497-510（2004）·Zbl 1055.62055号
[19] M.I.戈麦斯、L.德哈恩、L.罗德里格斯，2004b。通过调整加权对数余量中的偏差来估计尾部指数。J.罗伊。统计师。Soc.序列号。B、 接受出版，doi:10.1111/j.1467-9869.2007.00620.x。；M.I.戈麦斯、L.德哈恩、L.罗德里格斯，2004b。通过调整加权对数余量中的偏差来估计尾部指数。J.罗伊。统计师。Soc.序列号。B、 接受出版，doi:10.1111/j.1467-98692007.00200.x·Zbl 1400.62318号
[20] 马里兰州戈麦斯。；菲格雷多，F。；Mendonça，S.，二阶正则变化条件下的渐近最佳线性无偏估计，J.Statist。计划。推理，134409-433（2005）·Zbl 1066.62053号
[21] M.I.戈麦斯、L.恩里克·罗德里格斯、C.维瑟、B.范德维尔，2006年。偏差修正Hill估计量阈值的启发式自适应选择。J.统计。计算。模拟，出版中，doi:10.1080/10629360600954000。；M.I.戈麦斯、L.恩里克·罗德里格斯、C.维瑟、B.范德维尔，2006年。偏差修正Hill估计量阈值的启发式自适应选择。J.统计。计算。模拟，出版中，doi:10.1080/10629360600954000·Zbl 1136.62346号
[22] 马里兰州戈麦斯。；马丁斯，M.J。；Neves，M.，《改进二阶减少偏差极值指数估计》，RevStat，5，2，177-207（2007）·Zbl 1513.62089号
[23] 德哈恩，L。；Peng，L.，尾部指数估计值的比较，Neerlandica统计，52，60-70（1998）·Zbl 0937.62050号
[24] Hall，P.，关于正则变化指数的一些简单估计，J.Roy。统计师。《社会学杂志》，44，1，37-42（1982）·Zbl 0521.62024号
[25] Hill，B.M.，《推断分布尾部的简单通用方法》，Ann.Statist。，3, 1163-1174 (1975) ·Zbl 0323.62033号
[26] 马提斯，G。；Delafosse先生。；Guillou，A。；Beirlant，J.，估计重尾分布的灾难分位数水平，保险数学。经济学。，34, 517-537 (2004) ·Zbl 1188.91237号
[27] Peng，L.，极值指数的渐近无偏估计，统计量。普罗巴伯。莱特。，38, 2, 107-115 (1998) ·Zbl 1246.62129号
[28] 范德维尔，B。；贝兰特，J.，《关于单变量极值统计和再保险费估算》，《保险数学》。经济学。，38, 3, 444-459 (2006) ·Zbl 1168.62392号
[29] Weissman，I.，基于最大观测值的参数和大分位数估计，J.Amer。统计师。协会，73，812-815（1978）·Zbl 0397.62034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。