摘要
我们将极值统计扩展到可能具有非常不同分布的独立数据。特别地,我们给出了Hill估计的新的渐近正态性结果,它现在估计平均分布的极值指数。由于非均匀性,渐近方差可能会大大小于i.i.d.情况下的方差。作为一种特殊情况,我们考虑一个异质尺度模型,其中渐近方差可以显式计算。证明的主要工具是加权尾经验过程的函数中心极限定理。我们还给出了极端分位数估计的渐近正态性结果。仿真研究表明了极限定理的良好有限样本行为。我们还提出了应用于评估地震能量和股市横截面损失的尾部重量。
确认
我们感谢主编、副主编和两位审稿人提出的各种深思熟虑的意见,这些意见极大地帮助了文章的改进。
引用
下载引文
约翰·H·J·埃因马尔(John H.J.Einmahl)。
怡和。
“异构幂律数据的极值推断。”
安。统计师。
51
(3)
1331 - 1356,
2023年6月。
https://doi.org/10.1214/23-AOS2294
问询处
收到日期:2022年8月1日;修订日期:2023年1月1日;发布日期:2023年6月
欧几里德项目首次推出:2023年8月20日
数字对象标识符:10.1214/23-AOS2294
学科:
主要用户:6220国集团,62G30型,62G32型
次要:2017年1月60日,60G70型
关键词:极值统计,函数中心极限定理,异质尺度模型,希尔估计器,非同分布,加权尾经验过程
版权所有©2023数学统计研究所