Local robust estimation of the Pickands dependence function
Pickands 依赖函数的局部稳健估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用依赖函数估计并应用于空气污染，未提供金融风险等所列细分的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
Pickands 依赖函数的局部稳健估计
- 研究问题
- 在随机协变量框架下，如何稳健估计 Pickands 依赖函数，并刻画估计过程的渐近性质与污染样本表现？
- 方法与思路
- 作者采用局部估计方法，以最小密度幂散度为准则构造估计量，并通过未污染与污染样本模拟及空气污染数据展示方法。
- 材料陈述的贡献
- 摘要称给出主要渐近性质，特别是适当标准化的随机过程向紧的中心高斯过程收敛，并评估有限样本表现。
- 阅读关注点
- 应核对局部估计的带宽与散度参数选择、过程收敛的条件，以及模拟污染方式和空气污染应用中的依赖结构。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供标准化方式、正则条件或模拟数值，无法判断稳健性与效率的具体权衡。
原文摘要
We consider the robust estimation of the Pickands dependence function in the random covariate framework. Our estimator is based on local estimation with the minimum density power divergence criterion. We provide the main asymptotic properties, in particular the convergence of the stochastic process, correctly normalized, towards a tight centered Gaussian process. The finite sample performance of our estimator is evaluated with a simulation study involving both uncontaminated and contaminated samples. The method is illustrated on a dataset of air pollution measurements.