Modeling the Extremes of Bivariate Mixture Distributions With Application to Oceanographic Data
双变量混合分布的极端值建模及其海洋数据应用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：摘要研究海洋数据中的混合极值分布，虽涉及尾部与分位数方法，但不足以归入所列金融风险或微观分布效应方向。
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…
双变量混合分布的极端值建模及其海洋数据应用
- 研究问题
- 当极端水平上的双变量依赖由多个潜在过程共同驱动时，如何刻画混合尾部结构，并避免常规极值方法产生不可靠推断？
- 方法与思路
- 作者提出允许混合结构的 Heffernan–Tawn 条件极值模型扩展及极端分位数回归，并通过模拟和海洋数据考察表现。
- 材料陈述的贡献
- 摘要称，两种新方法在存在混合结构时优于既有方法，并讨论利用较不极端观测提高效率的次渐近模型扩展。
- 阅读关注点
- 应核对混合成分数如何确定、潜在过程如何区分、阈值如何选择，以及模拟比较是否覆盖不同尾部依赖和混合结构。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体识别条件、比较指标和数值结果，不能外推所称优势。
原文摘要
There currently exist a variety of statistical methods for modeling bivariate extremes. However, when the dependence between variables is driven by more than one latent process, these methods are likely to fail to give reliable inferences. We consider situations in which the observed dependence at extreme levels is a mixture of a possibly unknown number of much simpler bivariate distributions. For such structures, we demonstrate the limitations of existing methods and propose two new methods: an extension of the Heffernan–Tawn conditional extreme value model to allow for mixtures and an extremal quantile-regression approach. The two methods are examined in a simulation study and then applied to oceanographic data. Finally, we discuss extensions including a subasymptotic version of the proposed model, which has the potential to give more efficient results by incorporating data that are less extreme. Both new methods outperform existing approaches when mixtures are present.