Rejoinder to "Statistical Modeling of Spatial Extremes"
A. C. Davison, S. A. Padoan, M. Ribatet
对A。C. Davison，S. A. Padoan和M. Ribatet [arXiv：1208.3378].
Rejoinder to "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet [arXiv:1208.3378].
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Rejoinder: Quantifying the Fraction of Missing Information for Hypothesis Testing in Statistical and Genetic Studies
对“统计学和遗传学研究中假设检验缺失信息部分的定量”的反驳[arXiv：1102.2774]
Rejoinder
《统计推断：The Big Picture》，R。E.卡斯[arXiv：1106.2895]
Discussion of "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet
对A. C. Davison，S. A. Padoan和M. Ribatet [arXiv：1208.3378].
Discussion of "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet
对A. C. Davison，S. A. Padoan和M. Ribatet [arXiv：1208.3378].
Discussion of "Statistical Modeling of Spatial Extremes" by A. C. Davison, S. A. Padoan and M. Ribatet
对A. C. Davison，S. A. Padoan和M. Ribatet [arXiv：1208.3378].
Statistical Modeling of Spatial Extremes
对降雨或温度等自然过程的极端情况进行区域建模在环境统计中很重要;例如，了解极端区域降雨量对防洪至关重要。本文回顾了空间极值统计建模的最新进展，首先概述了极值统计和地统计的必要元素。主要类型的统计模型迄今提出的，基于潜变量，copulas和空间最大稳定的过程，进行了描述，然后通过应用程序在瑞士的降雨量数据集进行比较。虽然潜变量模型可以更好地拟合边缘分布，但它拟合极值的联合分布很差，因此适当选择copula或最大稳定模型似乎对极值的成功空间建模至关重要。
Regional Pooling in Extreme Event Attribution Studies: an Approach Based on Multiple Statistical Testing
提出了统计方法来选择同质位置时，分析空间块极大值数据，如在极端事件归因研究。该方法基于经典的假设检验，使用Wald型检验统计量，临界值从适当的参数引导程序获得，并对多重性进行校正。大规模的蒙特卡罗模拟研究发现，该方法能够准确地识别同质位置，并且汇集所选位置提高了后续统计分析的准确性。该方法是说明在西欧极端降水的案例研究。这些方法在R包中实现，可以轻松应用于未来的极端事件归因研究。
An overview of nonparametric tests of extreme-value dependence and of some related statistical procedures
综述了现有的极值依赖的非参数检验。给出了一个i.i.d.\从一个连续分布的随机向量样本，这样的测试旨在评估潜在的未知copula是否是{ \em极值}类型或没有。现有的方法在文献中进行了总结，根据如何偏离极值依赖评估。下面简要描述在用这种类型的依赖性对数据建模时有用的相关统计过程。两个插图上的真实数据集，然后进行使用的一些统计程序正在考虑实施的\textsf{R}包{ \tt copula}。最后讨论了{ \em最大吸引域}条件的检验问题。
A simulation study comparing statistical approaches for estimating extreme quantile regression with an application to forecasting of fire risk
本研究通过模拟框架比较了多种极值分位数回归估计方法在火灾风险预测中的表现，发现最高气温与火灾频率正相关，并提出混合策略以提升极端事件预测的准确性与可解释性。
Statistical Post-Processing of Forecasts for Extremes Using Bivariate Brown-Resnick Processes with an Application to Wind Gusts
为了提高极端天气的预测，我们提出了一个联合空间模型的观测和预测，基于一个双变量布朗-雷斯尼克过程。由于类的平稳二元布朗-Resnick过程的充分特点是类的伪交叉变差函数，我们有助于伪交叉变差函数的理论理解，完善其所有组件的渐近行为的知识，并引入一个简约的，但灵活的参数模型。这两个发现都是经典地质统计学本身的兴趣。该模型适用于实际观测和预测数据的极端阵风在德国北部的119个站。
Statistical inference for multivariate extremes via a geometric approach
本文提出基于极限集形状的多元极值几何统计建模与参数估计方法，可外推联合尾部并估计小概率，模拟和环境数据应用均验证其竞争力与良好拟合。
Advances in Statistical Modeling of Spatial Extremes
空间极值的经典建模依赖于渐近模型（即，最大稳定过程或$r$ -Pareto过程）分别用于块最大值或高阈值上的峰值。然而，在有限的水平，经验证据往往表明，这种渐近模型过于严格的约束，他们没有充分捕捉频繁的情况下，更严重的事件往往是空间上更本地化。换句话说，这些渐近模型具有很强的尾部依赖性，这种依赖性在越来越高的水平上持续存在，而数据通常表明它应该减弱。经典空间极值模型的另一个众所周知的局限性是，它们要么在计算上难以拟合高维，要么需要使用效率较低的技术来拟合。在这篇综述论文中，我们描述了最近在空间极值建模和推理方面的进展，重点是新模型，这些模型具有更灵活的尾部结构，可以桥接渐近依赖类，并且更容易适用于大型数据集的基于似然性的推理。特别是，我们讨论了各种类型的随机尺度的建设，以及条件空间极值模型，最近得到越来越多的关注，在极端社区的统计。我们说明了这些新的空间模型在两个不同的环境应用。
Extreme Value Statistics for Analysing Simulated Environmental Extremes
本文介绍Uniofbathtopia团队在EVA2023数据挑战中结合极值理论与无监督学习的方法，并展示了其在模拟环境极值数据上的应用与获胜成果。
Analysis of extreme values with random location
通过统计建模分析罕见和极端值是经济危机、气候预测和金融组合风险管理中的重要问题。极值理论为极值的统计建模提供了所需的概率模型。通常有两种方法来识别数据集中的极值，块极大值法和峰值超过阈值法。块最大值方法使用广义极值分布，峰值超过阈值方法使用广义帕累托分布。这些分布的位置通常保持不变。一些未观测到的变量可能会在假设分布的位置上产生异质性。在这篇文章中，我们专注于模拟这种不可观察的异质性块极大值方法。
Generalized random forest for extreme quantile regression
本文提出一种结合极值理论与广义随机森林的极端分位数回归方法，用协变量相关参数近似块最大值条件分布，并在模拟和气象数据上验证其有效性。
Extreme quantile regression with deep learning
本研究综述了结合有理论依据的极值理论模型与深度学习方法的极端分位数回归技术，可应对协变量数量与分位数水平均极端的复杂高维场景，为多领域风险评估提供高效方法支撑。
Statistical inference for radial generalized Pareto distributions and return sets in geometric extremes
本文基于径向-方向分解提出新型极限Poisson点过程与径向广义Pareto分布，通过归一化函数构建回归集，并开发支持二维、三维高效计算的贝叶斯推断模型，用于多元极值的稳健分析。
Bayesian inference for multivariate extreme value distributions
多元和空间极端事件的统计建模在各个科学领域引起了广泛的关注。最大稳定分布和过程是自然类的模型，为这一目的，许多参数家庭已开发和成功应用。由于似然函数的复杂性，有效的统计推断仍然是一个活跃的研究领域，通常使用的是仅基于二元密度的复合似然方法。Thibaud等人（2016，Ann. Appl. Stat.，出现）使用贝叶斯方法，以适应布朗-雷斯尼克过程的极端温度。在本文中，我们扩展了这一想法的方法，适用于一般的最大稳定分布，并使用充分的可能性。我们进一步提供了后验分布的中位数渐近正态的简单条件，并对多元和空间极值统计中常用的模型进行了验证。一个模拟研究表明，这种点估计是相当有效的比复合似然估计的频率框架。从贝叶斯的角度来看，我们的方法开辟了新的技术，如贝叶斯模型比较在多元和空间极端的方式。
Fast and flexible inference for spatial extremes
本文针对高维空间极端事件建模的计算难题，提出了满足指数测度连续性的skewed Brown-Resnick和truncated extremal-t模型，并基于过程强度函数设计了一种统计与计算高效的推断方法。
Statistical Prediction of Peaks Over a Threshold
针对防范未发生灾难需预测更严重极端事件的问题，基于极值理论中阈值超越峰值方法，提出频率学派与Bayes预测密度估计，证明其渐近可靠，并应用于极端气温分析。
Exploration and inference in spatial extremes using empirical basis functions
推断大型数据集空间极值的统计方法尚待开发。受空间统计学中标准降维技术的启发，我们提出了一种基于经验基函数的方法来探索和建模空间极值依赖。基于一个低秩最大稳定模型，我们提出了一种数据驱动的方法来估计有意义的基函数使用经验的两两极值系数。这些空间经验基函数可用于可视化极值相关性的主要趋势。除了探索性分析，我们描述了如何使用这些功能在贝叶斯分层模型来模拟大型数据集的空间极值。我们说明了我们的方法在美国东部的极端降水。
Modelling extremes using approximate Bayesian Computation
根据其构造的性质，许多极值的统计模型导致计算上禁止评估的似然函数。因此，这对于基于似然性的推理来说是有问题的。以贝叶斯框架为重点，本章探讨了使用近似贝叶斯计算（ABC）技术来拟合和分析极端情况的统计模型。在介绍了ABC算法和方法背后的思想之后，我们展示了它们在体视学和空间极值中的极值模型的应用。
Statistical tests for extreme precipitation volumes
本文提出了极端降水定义的方法，即用负二项模型来描述以天为单位的湿期历时的分布。该模型与实际资料拟合良好，为确定最大日降水量和总降水量的分布的渐近近似值提供了理论依据。极端降水量的定义（和确定）的第一种方法是基于最大日降水量的缓和Snedecor-Fisher分布。根据这一方法，如果日降水量超过回火Snedecor-Fisher分布的某个（预定义）分位数，则该日降水量被认为是极端的。第二种方法是基于一个雨季的总降水量具有Γ分布。因此，某个丰水期的总降水量极大的假设可以表述为来自Γ分布的样本的均匀性假设。提出了两个等价的检验来检验这一假设。这两个测试处理的相对贡献的总降水量为一个潮湿的时期所考虑的一组（样本）连续潮湿的时期。在第二种方法中，可以引入相对和绝对极端降水量的概念。这些测试的实际数据的应用结果得出的结论是，极端大降水量的湿期的强度增加。
Tracking change-points in multivariate extremes
在本文中，我们设计了一个统计方法跟踪和建模的变化点的依赖结构的多元极值。这些方法的动机是通过对加密资产的案例研究来说明的。
A spatio-temporal statistical framework for heatwave attribution under climate change
本文提出一种统一的时空统计框架，用于归因气候变化下的热浪，通过结合空间量化回归模型、非平稳空间极值模型和皮尔逊模型，分析热浪的概率和持续性，提升对传统方法无法捕捉的热浪特征的归因能力。
New Statistical Framework for Extreme Error Probability in High-Stakes Domains for Reliable Machine Learning
针对传统平均指标无法量化极端错误的问题，提出基于极值理论（EVT）的新统计框架，通过合成与真实数据集验证其能稳健估计灾难性失败概率，克服标准交叉验证局限，为高风险领域的AI安全部署提供可靠性评估基础。
A combined statistical and machine learning approach for spatial prediction of extreme wildfire frequencies and sizes
受EVA 2021挑战赛启发，提出一种结合统计与机器学习的四阶段高维双变量稀疏空间模型，用于极端野火频率和规模的空间预测，有效处理大型含缺失值数据集并提升了计算效率与预测精度。
Modeling asymptotically independent spatial extremes based on Laplace random fields
本文基于Laplace随机场构造了渐近独立随机过程中的门限随机数模型。这些被定义为高斯随机场标度的随机变量遵循指数分布。这个框架产生有用的渐近性质，同时保持统计方便。单变量分布尾部是半指数型的，并且是阈值方差的极限广义帕累托分布的一部分。在对数据中的边缘尾部分布进行归一化之后，可以使用标准拉普拉斯场来捕获极值之间的空间依赖性。拉普拉斯场的渐近性质进行了探讨，并与经典框架的渐近依赖。拉普拉斯场的多变量联合尾部衰减速率比具有相同协方差结构的高斯场慢;因此，它们提供了非常极端的联合风险的更保守估计，同时保持渐近独立性。统计推断说明极端阵风在荷兰的高斯依赖模型的比较显示出更好的拟合优度赤池的标准。在这个特定的应用中，我们将适应性良好的韦布尔分布拟合为单变量尾部模型，使得单变量尾部分布的归一化可以通过数据的简单幂变换来完成。
Graphical models for multivariate extremes
本文综述极值图模型的基本概念与最新进展，统一了指数测度视角，涵盖非参数与Hüsler--Reiss模型，并应用于美国机场航班延误数据分析。
Controlling the degree of caution in statistical inference with the Bayesian and frequentist approaches as opposite extremes
在统计实践中，是否使用贝叶斯或频率论方法进行推断不仅取决于先验信息的可用性，而且还取决于对部分先验信息的态度，频率论倾向于比贝叶斯更谨慎。拟议的框架以具体的谨慎程度界定了这种态度，从而能够在所需的谨慎程度上并根据任何先前的信息进行数据分析。谨慎参数表示对部分先验信息的态度，其方式与损失函数表示对风险的态度大致相同。当先验信息非常少且非零谨慎时，所得到的推断对应于与指定贝叶斯后验的可信区间和假设概率最相似的候选置信区间和p值。另一方面，在参数的已知物理分布的存在下，推断仅基于相应的物理后验。在先验信息可忽略或完全先验信息的极端情况下，推理不依赖于谨慎程度。在这两个极端之间的部分先验信息导致中间推理，在谨慎性高的情况下，中间推理更频繁，在谨慎性低的情况下，中间推理更贝叶斯。
A framework for statistical modelling of the extremes of longitudinal data, applied to elite swimming
本文提出基于极值理论和贝叶斯推断的纵向数据尾部建模框架，用于刻画短时间序列间的共性、时间演变和序列内依赖，并应用于精英游泳运动员职业生涯概率推断。
Spatial Extremes at Scale: A Case Study of Surface Skin Temperature and Heat Risk in the United States
本文通过高分辨率表面皮肤温度数据研究复杂地形中的极端热事件，提出随机尺度混合过程进行空间极值的贝叶斯推断，并评估其在热风险评估中的应用。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。