• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >A semiparametric Bayesian approach to extreme value estimation
【24h】

A semiparametric Bayesian approach to extreme value estimation

机译：估计极值的半参数贝叶斯方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper is concerned with extreme value density estimation. The generalized Pareto distribution (GPD) beyond a given threshold is combined with a nonparametric estimation approach below the threshold. This semiparametric setup is shown to generalize a few existing approaches and enables density estimation over the complete sample space. Estimation is performed via the Bayesian paradigm, which helps identify model components. Estimation of all model parameters, including the threshold and higher quan-tiles, and prediction for future observations is provided. Simulation studies suggest a few useful guidelines to evaluate the relevance of the proposed procedures. They also provide empirical evidence about the improvement of the proposed methodology over existing approaches. Models are then applied to environmental data sets. The paper is concluded with a few directions for future work.
机译：本文涉及极值密度估计。超出给定阈值的广义帕累托分布（GPD）与阈值以下的非参数估计方法结合在一起。该半参数设置显示出可以概括一些现有方法，并且可以在整个样本空间上进行密度估计。估计是通过贝叶斯范例执行的，该范例有助于识别模型组件。提供了所有模型参数的估计，包括阈值和更高的分位数，并提供了对未来观测的预测。仿真研究提出了一些有用的指导方针，以评估所提议程序的相关性。他们还提供了关于所提出的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。本文总结了一些未来工作的方向。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号