On the disjoint and sliding block maxima method for piecewise stationary time series
分段平稳时间序列的不重叠与滑动区块最大值方法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：摘要明确研究分段平稳时间序列及变化气候中的极值，直接对应时间序列和结构变化方向。
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…
关注这篇论文的作者
分段平稳时间序列的不重叠与滑动区块最大值方法
- 研究问题
- 对具有某些分段平稳特征的时间序列，重叠区块最大值能否延续平稳情形下的估计方差优势？
- 方法与思路
- 作者建立相关经验过程的弱收敛结果，以概率加权矩估计量展开分析，并通过模拟和气温极值应用比较两类区块方法。
- 材料陈述的贡献
- 摘要称在其分析范围内，滑动区块方法的渐近估计方差更小；模拟中有限样本方差通常更小，而偏差大致相同。
- 阅读关注点
- 应核对允许的分段平稳形式、区块长度和变化位置的关系、序列依赖条件，以及方差比较适用的估计量范围。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法确定全部依赖与分段条件；“不论序列依赖”的陈述仍需结合全文条件，不能理解为任意序列均适用。
原文摘要
Modeling univariate block maxima by the generalized extreme value distribution constitutes one of the most widely applied approaches in extreme value statistics. It has recently been found that, for an underlying stationary time series, respective estimators may be improved by calculating block maxima in an overlapping way. A proof of concept is provided that the latter finding also holds in situations that involve certain piecewise stationarities. A weak convergence result for an empirical process of central interest is provided, and further details are examplarily worked out for the probability weighted moment estimator. Irrespective of the serial dependence, the asymptotic estimation variance is shown to be smaller for the new estimator. In extensive simulation experiments, the finite-sample variance was typically found to be smaller as well, while the bias stays approximately the same. The results are illustrated by Monte Carlo simulation experiments and are applied to a common situation involving temperature extremes in a changing climate.