Detecting causal covariates for extreme dependence structures
确定极端事件的原因是许多科学领域的一个基本问题。建模多变量极值时的一个重要方面是尾部相关性。在应用中,极端相关结构可能显著地依赖于协变量。至于包括协变量的建模的一般情况,只有一些协变量是因果关系。在本文中,我们提出了一种方法来发现解释两个变量之间的尾部依赖结构的因果协变量。发现因果变量的拟议方法是基于比较不同环境或扰动的观测结果。这是一个理想的方法来预测极端行为在一个新的,未观察到的环境。该方法适用于数据集的$\text{NO}_2$浓度在英国。极端的$\text{NO}_2$水平会导致严重的健康问题,了解并发严重水平的行为是一个重要的问题。我们专注于揭示因果预测极端$\text{NO}_2$观测在不同的网站之间的依赖性。
2022-12-19 stat.AP stat.ME
Measuring Extreme Tail Association
Singapore University of Technology and Design(新加坡科技设计大学);Viterbi School of Engineering, University of Southern California(南加州大学维特比工程学院)
本文提出一种基于排名的极值尾部关联测量方法,用于量化变量在极值尾部区域的单向影响,同时开发了检验尾部关联不对称性的统计检验方法。
2026-03-13 math.ST stat.ME stat.TH
Directional variograms for multivariate extremes
University of Geneva(日内瓦大学);University of Twente(特温特大学);KU Leuven and UCLouvain(鲁汶大学和法语鲁汶大学)
研究多元广义帕累托分布,通过将多元广义帕累托随机向量Y限制在任意半空间来推广现有推断方法,引入v-变差函数,建立分解关系,得出相关随机变量结果,并在模拟研究中展示了方向选择对偏差-方差权衡的影响。
2026-07-07 stat.ME
Spatial scale-aware tail dependence modeling for high-dimensional spatial extremes
Colorado State University(科罗拉多州立大学);University of Missouri(密苏里大学);Lawrence Berkeley National Lab(劳伦斯伯克利国家实验室)
针对大空间域极端事件的异质尾部依赖特征,提出空间尺度感知的混合模型,通过修改随机尺度构造实现灵活依赖特性与高维推断,在模拟与实际数据中验证了其对非平稳依赖结构的捕获能力。
2025-11-13 stat.ME
Bayesian model averaging over tree-based dependence structures for multivariate extremes
描述极端现象的复杂依赖结构特别具有挑战性。为了解决这个问题,我们开发了一种新的统计算法,描述极值依赖利用最大稳定的嵌套逻辑斯谛分布的固有的层次依赖结构,并确定可能的集群的极端变量使用可逆跳马尔可夫链蒙特卡罗技术。当极端变量的集群被发现是完全独立时,可以实现简约的表示。此外,我们显着降低了计算复杂性的完全似然推断推导出一个递归公式的嵌套逻辑模型的可能性。通过大量的仿真实验验证了算法的性能,并比较了不同的似然程序。新的方法被用来调查在加利福尼亚州的多种污染物的极端浓度之间的依赖关系,以及这些污染物是如何与极端天气条件。总的来说,我们表明,我们的方法允许复杂的极值依赖结构的表示,并在多元数据分析,如空气污染监测,它可以指导决策的有效应用。
2018-07-22 stat.ME
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。
2014-10-24 stat.ME
Detecting breaks in the dependence of multivariate extreme-value distributions
在环境科学中,评估极端测量值之间的相关性在观测期间是否发生了变化往往是令人感兴趣的。这项工作的目的是提出一个统计测试,是特别敏感的这种变化。由此产生的过程还被扩展到允许在边缘分布中存在已知突变的情况下检测极值依赖性的变化。模拟进行研究的两个版本的建议测试的有限样本的行为。水文数据集的插图结束了这项工作。
2015-05-05 stat.ME
Modeling space-time trends and dependence in extreme precipitations of Burkina Faso by the approach of the Peaks-Over-Threshold
在气候变化的框架内模拟气候变量的极端情况是一项特别困难的任务,因为这意味着要考虑到时空的非平稳性。本文提出了一种利用边缘分布和相关结构信息估计无观测点极端降水的新方法。为了达到这一目标,我们结合了两个统计方法的极值理论,允许一方面通过一个尾部趋势函数的时空结构中的边缘分布和另一方面的依赖结构的潜在的空间过程,使用广义的“-帕累托过程的建模控制时间和空间的非平稳性。这种对极端事件进行趋势分析的新方法已应用于布基纳法索的降雨量数据。我们发现,极端降水的空间和时间相关的距离约200公里。在当地,极端降雨量的上升趋势大于下降趋势。
2021-05-12 stat.ME
Bayesian Uncertainty Management in Temporal Dependence of Extremes
在对平稳时间序列的极值进行建模时,必须同时描述边际特征和相关特征。边际建模有标准的方法,但长期和短期的极端依赖性都可能出现。在应用中,长程独立性的假设通常看起来是合理的,但是短程相关性,即,极端现象的聚集,需要引起注意。极值指标$0<θ\le 1$是聚类的一种自然限制性度量,但对于包括所有平稳高斯过程在内的大类相依过程,它不能用$θ=1$区分相依过程和独立过程。Eastoe和Tawn(2012)通过引入基于阈值的极值指数,利用多变量极值的方法来处理平稳时间序列的亚渐近极值依赖结构,涵盖$0<θ<1$和$θ=1$。他们的依赖模型的推断使用一个低效的逐步程序,有各种弱点,并没有可靠的不确定性评估。我们克服了这些问题,使用贝叶斯半参数方法。模拟和英国每日河流流量时间序列的分析表明,新的方法提供了更高的效率,估计性能的泛函的集群。
2016-03-16 stat.ME
Extreme Dependence Models
真实现象的极端值是以低频率发生的事件,但可能对现实生活产生重大影响。在许多实际问题中,它们本质上是高维的(例如Tawn,1990; Coles and Tawn,1991)。研究这些事件具有根本的重要性。为此,概率模型和统计方法的需求很高。如Falk等人(2011年)所述,有几种方法可以对多变量极值进行建模,这些方法在一定程度上相互关联。我们描述了一种方法来推导多元极值模型,我们说明了一些灵活的极值相关模型的主要特点。我们比较他们的实用程序与一个真实的数据应用,特别是在英国利兹市记录的几种污染物之间的极端依赖分析。
2015-08-23 stat.ME
Dependence Structure of Spatial Extremes Using Threshold Approach
空间极值的分析需要在大量的站点和最大稳定过程的空间过程的联合建模已被开发为一类适合于研究空间极值的随机过程。极值分析中的空间依赖结构可以用极大稳定过程来度量。然而,关于极大稳定过程的阈值方法的研究却很少。我们提出了一个最大稳定过程估计的阈值版本,并应用Padoan等人(2010)的成对复合似然方法来估计空间依赖参数。在随机抽样设计下,基于增域渐近性的设定,建立估计的极限行为是一个有趣的问题。对于满足吸引域的分布,在二阶正则变分条件下,给出了两种不同类型的渐近正态性。本文通过模拟实现了相依参数估计量在极限意义下的理论性质,并讨论了最佳门限的选择问题。
2012-09-27 stat.ME
A Dirichlet Process Mixture Model for Directional-Linear Data
方向数据需要专门的概率模型,因为它们的域的非欧几里德和周期性。当方向变量与线性变量联合观察时,对它们的依赖性进行建模会增加额外的复杂性。本文提出了一种新的贝叶斯非参数方法的基础上的Dirichlet过程的方向线性数据。我们首先扩展了投影正态分布模型的线性变量和任意维的方向变量的联合分布作为一个高维的增广多元正态分布(MVN)的投影。我们称之为半投影正态分布(SPN)的新分布,它具有类似于MVN的属性。然后,SPN被用作Dirichlet过程模型中的混合分布,以获得更灵活的一类模型的方向线性数据。我们提出了一个正常的条件逆Wishart分布作为先验分布的一部分,以解决从投影正常继承的可识别性问题,并保持共轭与SPN分布。为后验推理提供了一种吉布斯抽样算法。在合成数据和Berkeley图像数据库上的实验表明,与其他方向性线性模型相比,Dirichlet过程SPN混合模型(DPSPN)在聚类方面具有更好的性能。我们还建立了一个分层的Dirichlet过程模型与SPN开发的似然比的方法来血迹模式分析使用DPSPN模型的密度估计,以估计一组训练数据的可能性,一个给定的模式。
2022-12-21 stat.ME
Determining the Dependence Structure of Multivariate Extremes
在多元极值分析中,选择合适的统计模型时,应考虑变量间极值相关的性质。兴趣通常在于确定哪些变量子集可以同时取其最大值,而其他变量的顺序较小。我们的方法来解决这个问题,利用隐藏的经常变化的非标准锥的集合上的属性,并提供了一组新的指标,揭示方面的极值依赖结构,通过现有的依赖措施不可用。我们推导出这些指数的理论性质,通过一系列的例子来证明它们的价值,并开发推断方法,也估计与每个圆锥体相关的极值质量的比例。我们将该方法应用于英国河流流量,估计不同子集的网站同时大的概率。
2019-10-11 stat.ME
Asymmetric dependence in hydrological extremes
极值相关描述了两个变量的最大观测值之间的相关强度。它通常用不依赖于变量阶数的对称相关系数来衡量。在许多情况下,极端观测值之间存在自然的不对称性,这些不对称性无法通过此类系数来捕获。这种不对称性的一个例子是在河流网络上的上游和下游站的大流量:上游站的极端流量将直接影响下游站的流量,但反之亦然。在极端事件的非对称依赖的简单措施尚未调查。我们提出的非对称尾肯德尔的$τ$作为极端的依赖性,是敏感的最大的观察不对称行为的措施。它基本上计算经典的肯德尔的$τ$,但条件的极端观察的两个变量之一。我们展示了这个新系数的理论性质,并推导出一个公式来计算现有的Copula模型。我们进一步研究其有效性和连接的因果关系在模拟实验中。我们应用我们的方法在英国的河流网络的案例研究,以说明测量水文学的非对称极值依赖的重要性。我们的研究结果表明,有重要的结构信息的不对称性,将错过了对称措施。我们的方法是一个简单而有效的工具,可以应用于探索性分析,了解变量之间的联系,并检测可能的非对称依赖关系。
2023-01-20 stat.ME
Decompositions of Dependence for High-Dimensional Extremes
在正则变分的框架下,我们提出了两种有助于总结和描述高维尾依赖的分解。通过变换,我们在正正交点上定义了一个向量空间,得到了基的概念。通过适当选择变换,我们证明了变换线性运算应用于规则变化的随机向量保持规则变化。而不是模型规则变化的角度测量,我们总结了通过矩阵的成对尾部依赖度量的尾部依赖。这个矩阵是半正定的,特征分解允许人们通过产生的特征基来解释尾部依赖。此外,该矩阵是完全正的,并且由此产生的分解允许人们容易地构造共享相同的成对尾部依赖性的规则变化的随机向量。我们说明我们的方法与瑞士的降雨量数据和财务回报数据。
2018-04-26 stat.ME
Non-Stationary Dependence Structures for Spatial Extremes
最大稳定过程是空间极值的自然模型,因为它们对随机场的最大值分布提供了合适的渐近近似。近年来,一些平稳最大稳定模型的参数族被开发出来,并适合于各种类型的数据。然而,一个经常性的问题是非平稳性的建模。在本文中,我们开发了非平稳最大稳定依赖结构,其中可以轻松地合并协变量。使用成对似然进行推理,其性能进行评估的基础上的非平稳局部各向同性极值$t$模型的广泛的模拟研究。证据表明,未知参数估计,并估计空间收益水平曲线进行了讨论。该方法证明了在一个复杂的地形记录的温度最大值。模型令人满意地捕捉极值依赖。
2016-02-19 stat.ME
Bridging Asymptotic Independence and Dependence in Spatial Extremes Using Gaussian Scale Mixtures
高斯尺度混合物被构造为具有随机方差的高斯过程。它们具有非高斯边缘,并且可以表现出与高斯过程不同的渐近依赖性,高斯过程除了完全依赖的情况外是渐近独立的。在本文中,我们详细研究了高斯尺度混合物的极值依赖性质,我们统一和扩展的联合尾衰减率在渐近依赖和独立的情况下的一般结果。出于对空间极值的分析,我们提出了几种灵活而简约的参数Copula模型,这些模型可以从渐近依赖平滑地插值到独立性,并将高斯依赖作为特例。我们展示了如何使用删失似然方法将这些新模型拟合到高阈值的一致性,并且我们证明了它们提供了有关尾部特征的有价值的信息。我们的参数方法优于广泛使用的非参数$χ$和$\barχ$统计,通常用于指导模型选择在探索阶段,通过借用跨位置的强度,更好地估计渐近依赖类。我们证明了我们的方法的能力,充分捕捉极端属性的风速数据收集在太平洋西北部,美国。
2017-01-27 stat.ME
Parsimonious Factor Models for Asymmetric Dependence in Multivariate Extremes
University of Melbourne(墨尔本大学);UNSW Sydney(新南威尔士大学)
本文提出了一种稀疏因子模型,用于捕捉多变量极值中的非对称依赖结构,通过极值理论推导并验证了其在实际数据中的有效性。
2025-12-04 stat.ME
Large-sample tests of extreme-value dependence for multivariate copulas
从极值copula函数的极大稳定性特征出发,研究了多元copula函数极值依赖性的大样本检验问题。所提出的测试的两个关键成分是经验copula的数据和乘数技术获得近似的p值的派生统计。建立了乘子方法的渐近有效性,并通过广泛的蒙特卡罗实验研究了大量候选检验统计量的有限样本性能的数据集的尺寸2至5。在双变量情况下,最佳检验版本的拒绝率与Ghoudi,Khoudraji和Rivest(1998)最近由Ben Ghorbal,Genest和Neslehova(2009)重新访问的检验进行了比较。所提出的程序说明了二元金融数据和三元地质数据。
2011-05-11 stat.ME
A Bayesian semi-parametric hybrid model for spatial extremes with unknown dependence structure
最大稳定过程是空间极值的渐近合理模型。特别是,我们专注于分层极值过程(HEVP),这是一个特定的最大稳定的过程,有利于贝叶斯计算。HEVP和所有最大稳定过程模型是参数化的,并施加强有力的假设,包括所有边缘分布属于广义极值族,附近的站点是渐近相关的。我们通过放松这些假设来推广HEVP,以通过空间随机效应分布的Dirichlet过程提供更广泛的一类边缘分布。此外,我们提出了一个混合最大混合模型,结合了参数和半参数模型的优势。我们表明,这种通用的最大混合模型,同时容纳渐近独立性和依赖性,可以使用标准的马尔可夫链蒙特卡罗算法。在蒙特卡罗模拟研究和荷兰阵风数据的应用中,我们的模型的效用进行了评估。
2020-03-24 stat.ME
Recognizing a Spatial Extreme dependence structure: A Deep Learning approach
了解环境极端事件的行为对于评估经济损失、评估风险、医疗保健和许多其他方面至关重要。在与环境事件相关的空间背景下,依赖结构起着核心作用,因为它影响着联合极端事件及其外推。因此,识别或至少具有关于这些依赖结构的模式的初步信息对于理解极端事件是有价值的知识。在这项研究中,我们解决的问题,自动识别空间渐近依赖(AD)与渐近独立(AI),使用卷积神经网络(CNN)。我们设计了一个卷积神经网络的结构,作为依赖结构的一个有效的分类器。使用上尾和下尾相关性测量来训练CNN。我们已经测试了我们的方法,模拟和真实的数据集:空气温度数据在两米以上的伊拉克土地和降雨数据在澳大利亚东部成本。
2021-03-19 math.ST stat.ME stat.TH
A Review of Nonparametric Hypothesis Tests of Isotropy Properties in Spatial Data
空间参考数据建模的一个重要方面是适当指定随机场的协方差函数。一个从事空间数据工作的从业者可以在观察之间的依赖结构方面做出许多选择。这些选择之一是确定各向同性协方差函数是否合适。各向同性意味着空间依赖性不取决于采样位置之间的空间分离的方向。各向同性属性(方向依赖性)的错误指定可能导致误导性推断,例如,不准确的预测和参数估计。研究人员可以使用图形诊断,如方向样本变异函数,以确定各向同性的假设是否合理。这些图形技术可能难以评估,容易受到主观解释和误导。各向同性假设的假设检验可能更可取。为此,已经开发了一些测试的方向依赖性使用的空间和频谱表示的随机场。我们提供了一个概述的非参数方法,可用于测试的假设,空间数据的各向同性和对称性。我们总结了测试属性,讨论了选择和实施测试的重要考虑因素和建议,通过模拟研究比较了几种方法,并提出了一些开放的研究问题。几个回顾的方法可以使用我们的软件包spTest在R中实现,可以在CRAN上获得。
2015-11-04 stat.ME stat.OT
Ordering results of extreme order statistics from multiple-outlier scale models with dependence
本文主要研究了相依多野值尺度模型中极值顺序统计量的随机比较问题。阿基米德Copula用于描述非负随机变量之间的相关结构。在通常的随机意义下,反向风险率,星和洛伦兹秩序的最大顺序统计量的比较得到的充分条件。最小的顺序统计量也比较相对于通常的随机,风险率,明星和洛伦兹订单。为了说明理论的建立,提供了一些例子。
2020-12-15 math.ST stat.ME stat.OT
Some aspects of extreme value theory under serial dependence
在Laurens de Haan诞辰70周年之际,我们讨论了时间序列的极值行为的统计推断的两个方面,特别强调了他的重要贡献。首先,一个直接的边际尾部分析的性能进行比较,基于模型的方法,使用残差分析。其次,通过一个随机递归方程解的例子,讨论了极值指数作为序列极值相关性度量的重要性。
2007-10-31 math.PR math.ST stat.ME
Trends in tail dependence of heteroscedastic extremes
Tilburg University(蒂尔堡大学);Erasmus University Rotterdam(鹿特丹伊拉斯姆斯大学)
本文研究独立但非同分布随机向量的多变量极值统计,提出非参数估计整合尾部Copula的方法,并探讨其渐近行为,验证了异质边际分布对极限过程无影响,通过模拟研究展示理论结果的有限样本性能和检验功效。
2026-04-13 math.ST stat.ME stat.TH