Non-Parametric Bayesian Inference on Bivariate Extremes
二元极值的非参数贝叶斯推断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：摘要直接研究二元尾部依赖与极值，并应用于保险索赔，对应尾部风险方向。
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…
二元极值的非参数贝叶斯推断
- 研究问题
- 如何利用二元极值吸引子的尾部近似，在贝叶斯框架中估计极端事件的依赖结构，并保持模型灵活性和计算可行性？
- 方法与思路
- 作者采用删失似然，为刻画极值依赖的谱测度构造无限维先验模型，并开发跨维MCMC算法进行后验计算。
- 材料陈述的贡献
- 摘要称模型兼具稠密性与计算可行性，证明算法收敛至后验，并在模拟中比较谱测度估计及展示丹麦火灾保险索赔应用。
- 阅读关注点
- 应核对尾部近似和阈值选择、谱测度约束、先验支持及跨维算法收敛条件，并检查模拟比较与保险数据处理方式。
- 阅读边界
- 仅据Crossref摘要不能判断尾部近似误差或普遍性能优势；谱测度均值记作“12”，符号含义不清，需查原PDF，不据此重构公式。
原文摘要
Summary The tail of a bivariate distribution function in the domain of attraction of a bivariate extreme value distribution may be approximated by that of its extreme value attractor. The extreme value attractor has margins that belong to a three-parameter family and a dependence structure which is characterized by a probability measure on the unit interval with mean equal to 12, which is called the spectral measure. Inference is done in a Bayesian framework using a censored likelihood approach. A prior distribution is constructed on an infinite dimensional model for this measure, the model being at the same time dense and computationally manageable. A trans-dimensional Markov chain Monte Carlo algorithm is developed and convergence to the posterior distribution is established. In simulations, the Bayes estimator for the spectral measure is shown to compare favourably with frequentist non-parametric estimators. An application to a data set of Danish fire insurance claims is provided.