Zobrazeno 1 - 10
of 21
pro vyhledávání: '"MULTIVARIATE MAX-STABLE DISTRIBUTION"'
Autor:
Simone A. Padoan, Stefano Rizzelli
Publikováno v:
The Annals of Statistics. 50
Predicting extreme events is important in many applications in risk analysis. The extreme-value theory suggests modelling extremes by max-stable distributions. The Bayesian approach provides a natural framework for statistical prediction. Although va
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::55a8432acd7da5851a9356a36f88cc0d
https://doi.org/10.1214/21-aos2160
https://doi.org/10.1214/21-aos2160
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
It is well known and readily seen that the maximum of n independent and uniformly on [0, 1] distributed random variables, suitably standardised, converges in total variation distance, as n increases, to the standard negative exponential distribution.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::5d30aa13ee257429f598a3c6395598dd
http://arxiv.org/abs/1903.10596
http://arxiv.org/abs/1903.10596
This paper reviews generalized Pareto copulas (GPC), which turn out to be a key to multivariate extreme value theory. Any GPC can be represented in an easy analytic way using a particular type of norm on $\mathbb{R}^d$, called $D$-norm. The character
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::ec85b3701b8f9e443a497a5b369fb871
Publikováno v:
Journal of Statistical Planning and Inference
Journal of Statistical Planning and Inference, Elsevier, 2017, 183, pp.1-17. ⟨10.1016/j.jspi.2016.10.004⟩
Journal of Statistical Planning and Inference, 2017, 183, pp.1-17. ⟨10.1016/j.jspi.2016.10.004⟩
Journal of Statistical Planning and Inference, Elsevier, 2017, 183, pp.1-17. ⟨10.1016/j.jspi.2016.10.004⟩
Journal of Statistical Planning and Inference, 2017, 183, pp.1-17. ⟨10.1016/j.jspi.2016.10.004⟩
Many applications in risk analysis require the estimation of the dependence among multivariate maxima, especially in environmental sciences. Such dependence can be described by the Pickands dependence function of the underlying extreme-value copula.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::8f51cb5455ae61e6232be897530676d4
https://hal.archives-ouvertes.fr/hal-03226744
https://hal.archives-ouvertes.fr/hal-03226744
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Many applications in risk analysis, especially in environmental sciences, require the estimation of the dependence among multivariate maxima. A way to do this is by inferring the Pickands dependence function of the underlying extreme-value copula. A
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______1493::e0a93af0353d694274611c818e1c5699
https://hdl.handle.net/2078.1/173623
https://hdl.handle.net/2078.1/173623
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.