Automatic declustering of rare events
罕见事件的自动去簇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：摘要明确研究事件的时间聚集及极值指数，直接涉及序列依赖分析，但未指明宏观应用。
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…
关注这篇论文的作者
罕见事件的自动去簇
- 研究问题
- 对于低概率但影响严重的事件，如何识别其时间聚集、估计簇大小分布，并为衡量聚集程度的极值指数构造置信区间？
- 方法与思路
- 作者提出自动三步程序，依次处理簇识别、簇大小分布估计与极值指数区间构造；第三步结合经验似然和参数似然方法。
- 材料陈述的贡献
- 摘要称模拟中方法具有良好的有限样本表现，在存在聚集时，极值指数区间构造及小簇概率估计优于所比较的既有方法。
- 阅读关注点
- 应核对罕见事件阈值、自动簇识别规则、时间依赖条件，以及两类似然如何结合、区间覆盖率和比较基准如何设定。
- 阅读边界
- 材料为版本未注明的索引摘要；未给出依赖条件、阈值规则或模拟数值，不能将比较优势推广到所有极端事件或推断刊本变化。
原文摘要
The analysis of events with low probability but disastrous impact entails understanding how they cluster in time. We present an automatic three-step procedure for identifying clusters, estimating the cluster size distribution and constructing confidence intervals for the extremal index, which measures the degree of clustering of rare events. The third step combines empirical likelihood and parametric likelihood approaches. Simulations show that our new procedure performs very well for finite samples and outperforms previous methods in constructing confidence intervals for the extremal index when there is clustering in the data, as well as in estimating probabilities for small clusters.