Modelling pairwise dependence of maxima in space
空间极大值的成对依赖建模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：摘要研究降水等空间极值与地统计学，没有金融尾部或系统性风险的直接依据。
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…
空间极大值的成对依赖建模
- 研究问题
- 对于在规则网格或不规则位置记录的时间极大值，例如年度降水极大值，如何估计不同空间位置之间的成对依赖？
- 方法与思路
- 作者从变差函数概念构造成对依赖估计量，利用经验过程性质建立渐近结果，并通过模拟及真实数据展示方法。
- 材料陈述的贡献
- 摘要称，研究给出与一阶变差函数相联系的 copula 估计量渐近结果，并在极值理论与地统计学之间建立简单联系。
- 阅读关注点
- 应核对依赖度量与变差函数的对应、空间和时间采样的渐近安排，以及 copula 估计结果的条件和实际数据处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明具体极值模型或渐近条件，不能推断金融风险适用性及刊本变化。
原文摘要
We model pairwise dependence of temporal maxima, such as annual maxima of precipitation, that have been recorded in space, either on a regular grid or at irregularly spaced locations. The construction of our estimators stems from the variogram concept. The asymptotic properties of our pairwise dependence estimators are established through properties of empirical processes. The performance of our approach is illustrated by simulations and by the treatment of a real dataset. In addition to bringing new results about the asymptotic behaviour of copula estimators, the latter being linked to first-order variograms, one main advantage of our approach is to propose a simple connection between extreme value theory and geostatistics.