All Block Maxima method for estimating the extreme value index
Erasmus University Rotterdam（伊拉斯姆斯大学鹿特丹）；De Nederlandsche Bank（荷兰中央银行）；Tinbergen Institute（蒂宁伯根研究所）
本文提出所有块最大值估计器，该方法具有置换不变性，具有最低渐近方差，通过模拟研究验证了其渐近理论。
2026-04-13 math.ST stat.TH
Estimating the maximum possible earthquake magnitude using extreme value methodology: the Groningen case
地震工程界、灾害管理机构和保险业都需要具有区域特征的最大可能地震震级$T_M$。古登堡-里克特定律预测地震震级$M$遵循截尾指数分布。在地球物理文献中，提出了几种估计程序，例如参见Kijko和Singh（Acta Geophys.，2011）以及其中的参考文献。当然，$T_M$的估计是一个极值问题，可以应用经典的端点估计方法。我们认为，最近的方法截断尾巴在高水平（Beirlant等人，Extremes，2016; Electron. J. Stat.，2017）构成了这个估计问题的更合适的设置。我们提出了置信上限来量化点估计的不确定性。我们还通过模拟比较了极值和地球物理文献中的方法。最后，将不同的方法应用于荷兰格罗宁根省天然气开采引起的地震震级数据。
2017-12-14 physics.geo-ph stat.AP
Tail Risk Equivalent Level Transition and Its Application for Estimating Extreme $L_p$-quantiles
针对$L_p$-分位数尾部风险转换机制不明的问题，本文提出尾部风险等价水平转换（TRELT）概念，推导其存在性、唯一性与渐近性质，基于该转换提出极端$L_p$-分位数的新外推估计方法，并通过模拟和真实数据验证了方法的有效性。
2024-12-13 stat.ME
Estimating failure probabilities
在风险管理中，通常必须估计一个随机向量落入极端失效集中的概率。在二元极值理论的框架下，我们构造了这种失效概率的一个估计，并在自然条件下分析了它的渐近性质。结果表明，如果对相关结构的极值近似至少与对边缘分布的广义Pareto近似一样精确，则估计误差主要取决于对边缘分布的统计分析的精度。此外，我们建立了置信区间，并简要讨论了推广到更高的维度和实际应用中出现的问题。
2015-06-03 math.ST stat.ME stat.TH
Estimating the second-order parameter of regular variation and bias reduction in tail index estimation under random truncation
本文提出了随机右截断Pareto型分布数据二阶参数的一个估计，并证明了它的相合性和渐近正态性。此外，我们还得到了尾指标的渐近无偏估计，并研究了它的渐近性质。我们的考虑是基于一个有用的高斯近似的尾部产品限制过程最近给出的Benchaira等人。[尾部产品限制过程截断数据与应用极值指数估计。Extremes，2016; 19：219-251]和Gomes等人的结果[极端统计中二阶参数的半参数估计。Extremes，2002; 5：387-414]。我们表明，通过模拟，建议的估计表现良好，在偏差和均方误差。
2016-10-20 math.ST stat.TH
On estimating extremal dependence structures by parametric spectral measures
在可用数据稀疏的情况下，通常需要估计极值copula。因此，参数方法可能是首选方法。定义参数族的一种可能的方法是简单的，同时，涵盖了各种各样的多元极值依赖结构是建立基于谱测量的模型。这里考虑这种方法。谱测度的参数族被定义为适当基元的凸包，参数通过在这些有限维空间上投影初始非参数估计来估计。得到了估计参数的渐近分布以及谱测度和极值copula的估计。有限样本的性质说明了模拟研究。
2013-01-27 math.ST stat.ME stat.TH
An Approximate Monte Carlo Simulation Method for Estimating Uncertainty and Constructing Confidence Intervals for 2020 Census Statistics
针对2020年人口普查数据产品缺乏不确定性估计的问题，提出一种近似蒙特卡洛模拟方法，利用TopDown算法输出进行迭代，估计均方误差、偏差、方差并构建有效置信区间，且不损害隐私保护。
2025-03-25 stat.ME
p-value peeking and estimating extrema
统计假设检验中的一个普遍问题是，报告的$p$值因数据“窥视”而向下偏置--这种做法是随着收集更多的数据样本，只报告检验统计量的渐进极值。我们开发了原则性的机制来估计这种运行极值的检验统计量，直接解决在一些一般情况下的偷窥效果。
2020-11-02 math.ST stat.ME stat.ML
Bias-reduced extreme quantiles estimators of Weibull-tail distributions
本文考虑威布尔尾分布的极值分位数的估计问题。新的极端分位数估计有一个减少的偏见相比，更经典的文献中提出的。它基于Diebolt等人（2008年）引入的指数回归模型。建立了极值分位数估计的渐近正态性。我们还介绍了一个自适应选择过程，以确定要使用的上顺序统计量的数量。为了证明上述方法的有效性，提供了一个模拟研究以及应用到一个真实的数据集。
2011-03-31 stat.ME
Data driven extreme value distribution estimation: Derivation of the Mean Integrated Squared Error, optimal bandwidth selection and stability conditions
Data Lab Hell GmbH（Data Lab Hell 有限公司）
本文提出了一种数据驱动的极值分布估计器，推导了其均方误差，用于计算最优带宽并建立了带宽优化过程的稳定性条件。
2026-05-20 math.ST stat.ME stat.TH
Targeted Maximum Likelihood Estimation using Exponential Families
目标极大似然估计（TMLE）是半参数和非参数模型参数估计的一种常用方法。TMLE的每次迭代涉及拟合以感兴趣的参数为目标的参数子模型。我们研究使用指数族来定义参数子模型。TMLE的这种实现给出了一种估计非参数模型中任何光滑参数的一般方法。该方法的计算优点在于TMLE的每次迭代涉及指数族中的参数的估计，这是凸优化问题，对于该凸优化问题存在实现可靠且计算高效的方法的软件。我们说明了三个估计问题的方法，涉及的结果随机缺失的平均值，中位数回归模型的参数，和连续曝光的因果关系，分别。我们进行了一个模拟研究，比较不同的选择参数子模型，集中在这些问题的第一个。据我们所知，这是第一次研究调查的鲁棒性TMLE不同规格的参数子模型。我们发现，子模型的选择可以有一个重要的影响有限样本中的估计的行为。
2014-06-02 stat.ME
Extreme values and kernel estimates of point processes boundaries
我们提出了一种方法来估计一个二维有界集的边缘，给定一个有限的随机集的点从内部绘制。该估计是基于一个Parzen-Rosenblatt核和极值点过程。我们给出了各种收敛性和渐近正态性的条件。我们提出了一种减少负偏压和边缘效应的方法，并通过仿真进行了说明。
2011-03-30 math.ST stat.ME stat.TH
Estimating the mean of a heavy-tailed distribution under random censoring
Stute引入的中心极限定理[随机删失下的中心极限定理。安。统计员。1995; 23：422-439]不适用于某些重尾分布。本文利用极值理论，提出了一种保证均值渐近正态性的估计方法。仿真研究进行评估的性能，这种估计过程
2015-07-12 math.ST stat.TH
High-Dimensional Extreme Quantile Regression
本文针对高维协变量场景提出新的极端条件分位数估计方法，建立了渐近性质，并通过模拟和汽车保险数据验证了其在极端索赔估计与变量选择上的有效性。
2024-11-21 stat.ME
Weighted estimation of the dependence function for an extreme-value distribution
二元极值分布已被用于环境科学和风险管理中的极值建模。一个重要的问题是估计依赖函数，例如Pickands依赖函数。Pickands依赖函数的一些估计已经通过假设边缘是已知的来研究。最近，Genest和Segers [安。37（2009）2990-3022]用经验分布代替边缘分布导出了这些建议估计量的渐近分布。在这篇文章中，我们提出了一类加权估计，包括Genest和Segers（2009）的加权估计作为特例。提出了一种构造Pickands依赖函数置信区间的刀切经验似然方法，避免了复杂的渐近方差估计.仿真研究表明，我们提出的刀切经验似然方法的有效性。
2013-03-20 math.ST stat.TH
On Estimating Many Means, Selection Bias, and the Bootstrap
随着高通量技术的最新进展，研究人员经常发现自己运行大量的假设检验（数千+）和估计大量的效应量。一般来说，人们特别关注那些估计最极端的影响。不幸的是，这些效应量的天真估计（即使在测试程序中可能考虑多重性之后）可能会严重偏倚。在这篇手稿中，我们从频率论的角度探讨了这种偏差：我们给出了一个正式的定义，并表明使用这种偏差的甲骨文估计占主导地位的天真最大似然估计。我们给出了一个估计近似这个预言，并表明它可以很好地工作在模拟数据。我们还将其与经验贝叶斯的思想联系起来。
2013-11-15 stat.ME stat.ML
Hydrological post-processing for predicting extreme quantiles
利用分位数回归算法进行水文后处理是评估水文预报不确定性的主要手段。尽管如此，传统的大样本理论的分位数回归不适用于足够远的尾部的概率分布的因变量。为了克服这一局限性，可能是至关重要的，当利益在于洪水事件，水文后处理，通过极值分位数回归在这里介绍了水文模型的响应估计的极端分位数。总之，新的水文后处理方法利用极值理论的Hill估计量的性质来外推分位数回归的预测到高分位数。作为一个概念的证明，新方法在这里进行测试，在处理后的每日径流模拟提供了三个基于过程的水文模型为180个流域在美国（CONUS），并进一步比较传统的分位数回归。通过这种大规模的比较，证明了与使用极值分位数回归的水文后处理相比，使用传统分位数回归的水文后处理严重低估了高分位数（在分位数水平0.9999），尽管这两种方法在较低分位数（在分位数水平0.9700）是等效的。此外，研究表明，在相同的背景下，极端分位数回归估计高预测分位数的效率平均而言在三个基于过程的水文模型的大样本研究中是等效的。
2023-01-11 physics.ao-ph stat.ME
Estimation of Extreme Quantiles for Functions of Dependent Random Variables
本文提出了一种估计多个相依随机变量函数极值分位数的新方法。与基于极值理论的传统方法相比，我们不施加条件，即底层分布的尾部允许近似的参数形式，而且，我们的估计利用了完整的观测数据。所提出的方法是半参数的，因为没有参数的形式假定所有的边缘分布。但是我们利用最近在构造高维藤连接函数方面的发展，选择合适的二元连接函数来模拟联合依赖结构。因此，从拟合的联合分布中抽取一个大的自助样本得到的样本分位数被用作极值分位数的估计量。证明了该估计量是相容的。仿真结果进一步说明了该方法的可靠性和鲁棒性。
2013-11-21 stat.ME
Parametric bootstrapping in a generalized extreme value regression model for binary response
当我们研究代表罕见事件的二元响应变量$Y$和潜在预测变量$\mathbf{X}$之间的关系时，广义极值（GEV）回归往往更适合。特别地，我们使用GEV分布的分位数函数作为链接函数。Bootstrapping将准确性的度量（偏倚、方差、置信区间、预测误差、假设检验）分配给样本估计值。该技术允许使用随机抽样方法估计几乎任何统计量的抽样分布。Bootstrapping通过从近似分布中采样时测量估计量的属性来估计估计量的属性。本文首先对广义极值回归模型进行拟合，然后用参数Bootstrap方法检验假设，估计广义极值回归模型参数的置信区间，并给出一个实际数据应用。
2021-05-02 stat.AP stat.ME
On distributionally robust extreme value analysis
我们在极值理论（EVT）的背景下研究分布鲁棒性。我们提供了一个数据驱动的方法来估计极端分位数的方式，对不正确的模型假设的基础上的应用程序的标准极值类型定理是强大的。分布鲁棒性的典型研究涉及计算最坏情况下的模型不确定性区域表示的Kullback-Leibler差异的估计。我们超越标准的分布鲁棒性，我们调查不同形式的差异，并证明严格的结果，这是有助于理解的作用，一个假定的模型不确定性区域的极端分位数估计的背景下。最后，我们说明了我们的数据驱动的方法在不同的设置，包括示例显示如何标准EVT可以显着低估感兴趣的分位数。
2020-06-07 math.ST stat.ME stat.TH
Estimating the multivariate extremal index function
多元极值指标函数将多元平稳序列的逐点最大值向量的渐近分布与来自同一平稳分布的独立序列的渐近分布联系起来。它还测量多变量过程中极端值的聚集程度。在本文中，我们构造了这个函数的非参数估计，并证明了它们在长相依和矩条件下的渐近正态性。通过仿真研究的结果进行了说明。
2008-11-14 stat.AP
Feature Clustering for Support Identification in Extreme Regions
Télécom Paris, Institut Polytechnique de Paris（巴黎理工学院巴黎电信学院）
了解多变量极值的复杂结构是从投资组合监测和环境风险管理到保险的各个领域的主要挑战。在多元极值理论的框架中，极值的依赖结构的一个共同特征是角测度。这是在极端地区工作的一个适当措施，因为它提供了关于极端现象往往集中其质量的次区域的有意义的见解。本文提出了一种新的基于优化的方法来评估极端的依赖结构。这种支持识别方案重写为估计最好地捕捉极端的支持的特征簇。我们提供的降维技术应用于统计学习任务，如特征聚类和异常检测。数值实验提供了强有力的经验证据，我们的方法的相关性。
2021-02-08 cs.LG stat.ML
Layered Hill estimator for extreme data in clusters
H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（乔治亚理工学院 H. 米尔顿·斯图尔特工业与系统工程学学院）；Department of Statistics, Purdue University（普渡大学统计学系）
本文提出一种新的估计方法，用于估计重尾分布的尾指数。该分层Hill估计量基于簇中极端值的分层结构，理论分析和模拟研究显示其在极端数据缺失时具有更好的稳健性。
2026-04-16 math.PR math.ST stat.TH
A dynamic extreme value model with applications to volcanic eruption forecasting
本文将用于金融风险预测的动态极值模型适配到火山喷发预测，并通过皮通德拉富尔内兹火山案例验证了基于EVT阈值的建模价值。
2022-08-23 stat.AP
Extreme Value Analysis based on Blockwise Top-Two Order Statistics
Ruhr-Universität Bochum, Fakultät für Mathematik（波鸿鲁尔大学数学学院）
本文提出基于块内大顺序统计的极值分析方法，通过理论分析和仿真实验，提出一种偏倚校正估计器，提升对大风险水平估计的效率。
2026-04-17 math.ST stat.TH
evgam: An R package for Generalized Additive Extreme Value Models
本文介绍了R软件包evgam。该软件包提供了拟合极值分布的函数。这些分布包括广义极值分布和广义帕累托分布。前者也可以通过点过程表示来拟合。evgam通过非对称拉普拉斯分布支持分位数回归，这对于估计高阈值非常有用，有时用于区分极端值和非极端值。evgam的主要作用是使极值分布参数具有广义可加模型的形式，可以用Laplace方法进行客观估计。给出了适合各种规格的各种分布的说明性例子。这些包括美国科罗拉多州部分地区的日降水量累积，用于说明空间模型，以及美国科罗拉多州柯林斯堡的日最高温度，用于说明时间模型。
2020-11-08 stat.CO stat.ME
Fast Computational Methods for Regularized Estimating Equations
McGill University（麦吉尔大学）；University of Pennsylvania（宾夕法尼亚大学）；Mila（米拉人工智能研究所）；University of York（约克大学）
本文回顾了估计方程的应用领域，并将正则化估计方程的计算方法归纳为四种类型：最小化型、Dantzig型、正则化型和不动点型，讨论了每种方法的主要数值策略，并强调了正则化估计方程与不动点问题之间的联系。
2026-05-26 stat.CO
Approximate Bayesian Computing for Spatial Extremes
用于模拟空间极值的最大稳定过程的统计分析受到计算联合似然函数的困难的限制。这排除了所有标准的基于可能性的方法，包括贝叶斯方法。在本文中，我们提出了一个贝叶斯方法，通过使用近似贝叶斯计算。这避免了联合似然函数的需要，而是依赖于来自（不可用的）似然的模拟。该方法与基于复合似然的另一种方法进行了比较。我们表明，近似贝叶斯计算可以导致较低的均方误差比复合似然方法估计的极端空间依赖性时，虽然在一个明显更高的计算成本。我们还说明了该方法的性能与应用程序，美国的温度数据估计作物损失的风险，由于不太可能冻结事件。
2011-12-13 stat.CO stat.ME
Bayesian Inference for Generalized Extreme Value Distributions via Hamiltonian Monte Carlo
在本文中，我们提出评估和比较马尔可夫链蒙特卡罗（MCMC）方法估计广义极值模型的参数。我们采用贝叶斯方法，使用传统的Metropolis-Hastings方法，哈密顿蒙特卡罗（HMC）和黎曼流形HMC（RMHMC）方法，以获得近似的后验边缘分布的兴趣。实际数据集的最大值的应用程序说明了如何HMC可以更有效地计算比传统的MCMC和模拟研究进行比较的算法，他们如何快速得到足够接近的平稳分布，以便提供良好的估计与较少的迭代次数。
2014-12-23 stat.CO
