Statistical Inference for Max-Stable Processes in Space and Time
时空最大稳定过程的统计推断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：摘要明确研究时空随机过程及时间观测维度增长的推断，支持时间序列方向，但未涉及金融风险应用。
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…
时空最大稳定过程的统计推断
- 研究问题
- 对于由平稳高斯过程极值极限构造的时空最大稳定过程，如何估计模型参数，并在空间与时间观测规模增长时开展推断？
- 方法与思路
- 作者利用过程的成对密度构造成对似然估计，在规则网格下研究空间位置数与时间点数共同增长，并讨论不规则位置扩展。
- 材料陈述的贡献
- 摘要称，规则网格设定下参数估计具有强一致性与渐近正态性；文中还讨论不规则空间位置，并用模拟评估方法表现。
- 阅读关注点
- 核对时空过程构造、成对似然的配对选择、空间与时间增长条件，以及依赖条件、渐近方差和不规则位置扩展的依据。
- 阅读边界
- 仅据 Crossref 摘要；具体依赖条件、增长方式与模拟数值未提供，不能将规则网格定理直接推广到任意不规则时空采样。
原文摘要
Summary Max-stable processes have proved to be useful for the statistical modelling of spatial extremes. Several families of max-stable random fields have been proposed in the literature. One such representation is based on a limit of normalized and rescaled pointwise maxima of stationary Gaussian processes that was first introduced by Kabluchko and co-workers. This paper deals with statistical inference for max-stable space–time processes that are defined in an analogous fashion. We describe pairwise likelihood estimation, where the pairwise density of the process is used to estimate the model parameters. For regular grid observations we prove strong consistency and asymptotic normality of the parameter estimates as the joint number of spatial locations and time points tends to ∞. Furthermore, we discuss extensions to irregularly spaced locations. A simulation study shows that the method proposed works well for these models.