Spatial dependence and space–time trend in extreme events
极端事件的空间依赖与时空趋势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：摘要涉及气象极值的时空统计，未提供宏观时间序列或金融尾部风险研究的直接依据。
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…
极端事件的空间依赖与时空趋势
- 研究问题
- 当多元极端事件的边际尾部随时间和空间变化且存在空间依赖时，如何检验尾部尺度变化并估计共同极值指数？
- 方法与思路
- 作者用尾部尺度描述边际非平稳性，以多元极值理论处理空间依赖，研究加权尾部经验过程并采用汇总伪极大似然估计。
- 材料陈述的贡献
- 摘要称建立尾部经验过程与分位数过程的渐近理论，得到空间和时间尾部同尺度检验，并以德国北部降雨展示应用。
- 阅读关注点
- 应核对多元观测独立与分量空间依赖的区分、共同极值指数假设、尾部尺度规范化，以及汇总估计与检验的条件。
- 阅读边界
- 仅依据所给OpenAlex摘要；摘要未说明阈值选择、完整依赖限制或检验表现，降雨应用不能直接支持金融尾部风险结论。
原文摘要
The statistical theory of extremes is extended to independent multivariate observations that are non-stationary both over time and across space. The non-stationarity over time and space is controlled via the scedasis (tail scale) in the marginal distributions. Spatial dependence stems from multivariate extreme value theory. We establish asymptotic theory for both the weighted sequential tail empirical process and the weighted tail quantile process based on all observations, taken over time and space. The results yield two statistical tests for homoscedasticity in the tail, one in space and one in time. Further, we show that the common extreme value index can be estimated via a pseudo-maximum likelihood procedure based on pooling all (non-stationary and dependent) observations. Our leading example and application is rainfall in Northern Germany.