Extreme event propagation using counterfactual theory and vine copulas
了解多元极端事件在管理复杂系统的风险方面发挥着至关重要的作用，因为极端事件是由其自身的机制控制的。以给定变量超过高阈值为条件（例如\交通强度），了解哪些高影响量（例如空气污染物水平）在未来最有可能达到极限是关键。本文研究了边际极端事件对相关量的未来极端事件的贡献。我们提出了一个极端事件传播框架，以最大限度地提高已知原因和未来高影响量之间的反事实因果关系概率。极值理论提供了一个工具，用于模拟上尾，而藤连接是一个灵活的设备，用于捕捉各种各样的联合极值行为。我们优化了因果关系的概率，并将我们的框架应用于伦敦道路交通和空气污染物数据集。我们复制记录的大气机制超越线性关系。这提供了一个新的工具，用于量化极端的传播在各种各样的应用。
2021-06-25 stat.ME stat.OT
Multivariate Tail Estimation: Conditioning on an extreme event
我们考虑规则变化的随机向量。我们的目标是以非参数的方式估计一些与极端事件有关的特征，如尾部依赖系数。我们引入了一个准谱分解，可以提高估计的效率。估计量的渐近正态性是基于尾经验过程的弱收敛。理论结果得到了模拟研究的支持。
2015-02-25 stat.ME
Quantile-based bias correction and uncertainty quantification of extreme event attribution statements
极端事件归因描述了人为气候变化如何影响某些个别极端天气和气候事件的概率和规模。归因陈述通常涉及归因风险分数（FAR）或风险比（RR）以及相关的置信区间的量化。许多此类分析使用气候模式输出来描述有或没有人为影响的极端事件行为。然而，这种气候模式在描述极端事件时可能存在偏差。为了解释观测数据集和模型数据集之间极端事件概率的差异，我们根据数据集的分位数对模型输出进行了适当的重新缩放，以估计调整后的风险比。我们的方法考虑了风险比率估计中的各种不确定性。特别是，我们提出了一种方法来构建一个单侧置信区间的风险比的下限时，估计的风险比是无穷大。我们使用2011年夏季美国中部的热浪和社区地球系统模型的输出来演示该方法。在这个例子中，我们发现风险比的下限对实际事件的大小和概率相对不敏感。
2016-02-12 stat.ME
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。
2023-01-16 stat.ME
Non-Parametric Simulation of Multivariate Extreme Events via Spectral Bootstrap
Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；Univ Brest（布雷斯特大学）；Sorbonne Université（索邦大学）；Université Claude Bernard Lyon 1（里昂第一大学）
本文提出一种非参数模拟方法，通过多变量广义极值分布的频谱表示，生成额外的极值数据以提升极值推断的可靠性，适用于高维极值场景的风险评估。
2026-04-10 stat.ME
Space-time modelling of extreme events
最大稳定过程是模拟空间和时间极端事件的广义极值分布的自然类似物。在适当的条件下，这些过程是随机场的独立重复的最大值的渐近合理模型，它们也适合于高阈值上联合个体极值测量的建模。本文将Schlather（2001）的一个模型推广到空时框架，并证明了在轻度混合条件下，如何利用成对截尾似然估计进行相合估计。估计效率也进行了评估，并讨论了简单的时间序列模型计算的基础上的成对似然对的选择。的想法说明了瑞士每小时的降水数据的应用程序。
2012-01-16 stat.ME
Climate extreme event attribution using multivariate peaks-over-thresholds modeling and counterfactual theory
数值气候模式是复杂的，并结合了大量的物理过程。它们是量化潜在人为原因（例如，目前温室气体的增加）对强降雨等高影响大气变量的影响。这些所谓的气候极端事件归因问题是特别具有挑战性的多元背景下，也就是说，当大气变量测量可能是高维网格。在本文中，我们利用两个统计理论来评估因果关系的背景下，多变量极端事件归因。当我们认为一个事件是极端时，至少有一个感兴趣的向量的组件是大的，极值理论证明，在渐近意义上，一个多变量广义帕累托分布模型联合极端。根据这一类的分布，我们推导和研究概率的必要和充分的因果关系所定义的反事实理论的珍珠。为了增加因果关系的证据，我们提出了一个降维策略的基础上，最大限度地提高这种因果关系的概率的最佳线性投影。我们的方法进行了测试模拟的例子，并适用于每周冬季最大降水输出的法国CNRM从最近的CMIP6实验。
2020-05-18 stat.AP stat.ME
Extreme Value Analysis of Solar Flare Events
太阳耀斑等空间天气事件可能对地球或近地轨道上的生命和基础设施造成危害。在本文中，我们采用极值理论（EVT）来模拟极端的太阳耀斑事件; EVT提供了适当的工具，用于研究和估计外推到已经观察到的范围之外的概率。在过去，这种现象被建模为遵循幂律，这可能会由于高估而对此类事件做出较差的估计。研究中使用的数据是来自NOAA/GOES的X射线通量，并计算了卡林顿或万圣节等事件的预期回报水平，其结果是现有数据预测类似事件分别发生在110年和38年。
2018-02-16 astro-ph.SR physics.data-an physics.space-ph
Pricing Weather Derivatives for Extreme Events
我们考虑为天气衍生品定价，以用于抵御极端天气。所描述的方法利用来自空间统计学和极值理论的结果，首先将天气中的极端情况建模为最大稳定过程，然后使用这些模型来模拟对天气衍生品的一般集合的支付。这些模拟捕捉了支付的空间依赖性。从灾难ratemaking的结果，我们展示了如何使用这种方法来计算风险负荷和保费的天气衍生品是更新添加剂。
2011-09-19 stat.AP
Parametric and non-parametric estimation of extreme earthquake event: the joint tail inference for mainshocks and aftershocks
在地震事件中，强烈主震和破坏性余震的组合通常是造成严重结构破坏和/或高死亡人数的原因。本文的目的是提供这种极端事件的概率估计的主震和最大的余震超过一定的阈值。两种方法进行了说明和比较-一个参数的方法，以前观察到的地震数据中的随机规律的基础上，和一个非参数的方法，基于双变量极值理论。我们分析了1965-2018年土耳其北安纳托利亚断层带（NAFZ）的地震数据，并表明这两种方法提供了统一的结果。
2019-06-17 stat.AP
Modeling spatial asymmetries in teleconnected extreme temperatures
针对极端事件样本少限制深度学习建模的问题，结合极值理论研究北半球冬季气温多元概率分布的生成模型，提出空间不对称性度量指标，证实深度学习方法在重现温度空间不对称性上优于vine copulas。
2023-10-05 stat.AP
DROP: Distributionally Robust Optimization for Multi-task Learning in Graphical Models
University of British Columbia（不列颠哥伦比亚大学）；The Hong Kong Polytechnic University（香港理工大学）；Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）；Anhui University（安徽大学）
本文提出DROP方法，通过多任务节点回归框架实现鲁棒估计，理论证明其在数据污染下的误差界，并通过模拟和fMRI应用展示其在高维数据中的优越性。
2026-03-24 stat.AP stat.ME
Modelling the clustering of extreme events for short-term risk assessment
对极端事件的发生率进行可靠的估计对于保险公司、政府机构和公众来说非常重要。极端事件的罕见性通常通过其重现期来表示，即，如果过程的极端事件是独立同分布的，则在所观察到的大小的事件之间的期望等待时间。该测量的主要局限性是，在\textit{T}年事件之后的接下来几个月内发生意外高数量的事件，其中\textit{T}较大。这些事件破坏了对这些风险估计质量的信任。明显独立的极端事件的聚集可能是过程的局部非平稳性的结果，这可以用协变量或随机效应来解释。我们将展示如何会计这些协变量和随机效应提供更准确的估计回报水平和艾滋病的短期风险评估，通过使用一个新的风险措施，这提供了证据的风险是互补的回报期。
2019-06-19 stat.AP stat.ME
Inference for extreme spatial temperature events in a changing climate with application to Ireland
我们调查的频率，幅度和极端温度在爱尔兰的空间范围从1931年到2022年的变化性质。我们开发了一个极端值模型，捕捉极端日最高温度数据的空间和时间的非平稳性。我们使用广义帕累托分布和极端事件的空间依赖性的半参数布朗-Resnick r-广义帕累托过程的边缘变量的尾部建模，每个模型的参数允许随时间变化。我们使用气象站的观测数据来模拟极端事件，因为气候模型的数据（不以观测数据为条件）可能会过度平滑这些事件，并具有由特定气候模型配置确定的趋势。然而，气候模式确实提供了有关爱尔兰详细的自然地理和相关气候反应的宝贵信息。我们提出了新的方法，利用气候模型的数据，以克服与稀疏和有偏采样的观察问题。我们的分析确定了极端温度事件的边缘行为在研究领域的时间变化，这是远远大于在这个时间窗口的平均温度水平的变化。我们说明了这些特性如何导致超过临界温度的事件的空间覆盖率增加。
2023-03-31 stat.ME
Directional Dependence of Extreme Events
De Vinci Higher Education, De Vinci Research Center（德芬奇高等教育，德芬奇研究中心）；Institute of Finance & Technology, University College London（伦敦大学学院金融与技术研究所）
本文提出一种量化两个变量间极端事件方向依赖性的新方法，通过研究秩变换变量的条件尾期望来捕捉不对称尾依赖性，并通过模拟研究和海洋数据集验证了其在极端事件因果效应检测中的应用。
2026-04-03 stat.AP stat.ME
Forecaster's Dilemma: Extreme Events and Forecast Evaluation
在关于预测质量的公开讨论中，注意力通常集中在极端事件的预测性能上。然而，传统的预测评估方法的极端观测子集的限制有意想不到的和不希望的影响，并势必怀疑熟练的预测时，在数据生成过程中的信噪比是低的。结果的条件是不符合既定的预测评估方法的理论假设，从而面临着我们所说的预测者的困境预测。对于概率预报，适当的加权评分规则已被提出作为决策理论上合理的替代方案，重点是极端事件的预报评估。通过理论论证、模拟实验和对美国通货膨胀和国内生产总值增长的概率预测的真实数据研究，我们说明并讨论了预测者的困境以及潜在的补救措施。
2015-12-31 stat.ME
Analysis and Simulation of Extremes and Rare Events in Complex Systems
罕见的天气和气候事件，如热浪和洪水，可能带来巨大的社会成本。气候数据的持续时间和空间覆盖范围往往有限，气候预测往往转向气候模型的模拟，以便更好地预测罕见的天气事件。然而，为了获得准确的概率估计，复杂模型的非常长的模拟可能慢得令人望而却步。发展概率和动力学技术，从有限的数据中准确地估计罕见事件的概率是一个重要的科学问题。在本文中，我们比较了四个现代方法估计罕见事件的概率：广义极值（GEV）的方法，从经典极值理论;两个重要性抽样技术，系谱粒子分析（GPA）和Giardina-Kurchan-Lecomte-Taillem（GKLT）算法;以及蛮力蒙特卡罗（MC）。利用这些技术，我们估计了三种动力学模型中罕见事件的概率：Ornstein-Uhlenbeck过程，Lorenz '96系统和PlaSim（气候模型）。我们保持计算工作量不变，看看每种技术的罕见事件概率估计与长期控制提供的黄金标准相比有多好。令人惊讶的是，我们发现经典的极值理论方法优于GPA，GKLT和MC在估计罕见事件。
2020-05-11 stat.ME
