Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Portfolio Optimisation via Graphical Least Squares Estimation Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

The Discrepancy Method for Extremal Index Estimation

verfasst von : Natalia Markovich

Erschienen in: Nonparametric Statistics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We consider the nonparametric estimation of the extremal index of stochastic processes. The discrepancy method that was proposed by the author as a data-driven smoothing tool for probability density function estimation is extended to find a threshold parameter u for an extremal index estimator in case of heavy-tailed distributions. To this end, the discrepancy statistics are based on the von Mises–Smirnov statistic and the k largest order statistics instead of an entire sample. The asymptotic chi-squared distribution of the discrepancy measure is derived. Its quantiles may be used as discrepancy values. An algorithm to select u for an estimator of the extremal index is proposed. The accuracy of the discrepancy method is checked by a simulation study.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Semiparametric Weighting Estimations of a Zero-Inflated Poisson Regression with Missing in Covariates
Nächstes Kapitel Correction for Optimisation Bias in Structured Sparse High-Dimensional Variable Selection
Fußnoten
1
\(L=1\) holds when \(\theta =0\).
 
Literatur
1.
Ancona-Navarrete, M.A., Tawn, J.A.: A comparison of methods for estimating the extremal index. Extremes 3(1), 5–38 (2000)MathSciNetCrossRef
2.
Balakrishnan, N., Rao, C.R. (eds.): Handbook of Statistics, vol. 16. Elsevier Science B.V, Amsterdam (1998)
3.
Beirlant, J., Goegebeur, Y., Teugels, J., Segers, J.: Statistics of Extremes: Theory and Applications. Wiley, Chichester (2004)CrossRef
4.
Bolshev, L.N., Smirnov, N.V.: Tables of Mathematical Statistics. Nauka, Moscow (1965). (in Russian)
5.
Chernick, M.R., Hsing, T., McCormick, W.P.: Calculating the extremal index for a class of stationary. Adv. Appl. Prob. 23, 835–850 (1991)MathSciNetCrossRef
6.
7.
de Haan, L., Ferreira, A.: Extreme Value Theory: An Introduction. Springer (2006)
8.
Ferreira, M.: Analysis of estimation methods for the extremal index. Electron. J. Appl. Stat. Anal. 11(1), 296–306 (2018)MathSciNet
9.
Ferro, C.A.T., Segers, J.: Inference for clusters of extreme values. J. R. Stat. Soc. B. 65, 545–556 (2003)MathSciNetCrossRef
10.
Fukutome, S., Liniger, M.A., Süveges, M.: Automatic threshold and run parameter selection: a climatology for extreme hourly precipitation in Switzerland. Theor. Appl. Climatol. 120, 403–416 (2015)CrossRef
11.
12.
Leadbetter, M.R., Lingren, G., Rootzén, H.: Extremes and Related Properties of Random Sequence and Processes. Springer, New York (1983)CrossRef
13.
Markovich, N.M.: Experimental analysis of nonparametric probability density estimates and of methods for smoothing them. Autom. Remote. Control. 50, 941–948 (1989)MATH
14.
Markovich, N.M.: Nonparametric Analysis of Univariate Heavy-Tailed data: Research and Practice. Wiley (2007)
15.
Markovich, N.M.: Nonparametric estimation of extremal index using discrepancy method. In: Proceedings of the X International conference System identification and control problems” SICPRO-2015 Moscow. V.A. Trapeznikov Institute of Control Sciences, 26–29 January 2015, pp. 160–168 (2015). ISBN 978-5-91450-162-1
16.
Markovich, N.M.: Nonparametric estimation of heavy-tailed density by the discrepancy method. In: Cao, R. et al. (eds.) Nonparametric Statistics. Springer Proceedings in Mathematics & Statistics, vol. 175, pp. 103–116. Springer International Publishing, Switzerland (2016)
17.
Northrop, P.J.: An efficient semiparametric maxima estimator of the extremal index. Extremes 18(4), 585–603 (2015)MathSciNetCrossRef
18.
Robert, C.Y.: Asymptotic distributions for the intervals estimators of the extremal index and the cluster-size probabilities. J. Stat. Plan. Inference 139, 3288–3309 (2009)MathSciNetCrossRef
19.
Robert, C.Y., Segers, J., Ferro, C.A.T.: A sliding blocks estimator for the extremal index. Electron. J. Stat. 3, 993–1020 (2009)MathSciNetCrossRef
20.
Sun, J., Samorodnitsky, G.: Estimating the extremal index, or, can one avoid the threshold-selection difficulty in extremal inference? Technical report, Cornell University (2010)
21.
22.
Süveges, M., Davison, A.C.: Model misspecification in peaks over threshold analysis. Ann. Appl. Stat. 4(1), 203–221 (2010)MathSciNetCrossRef
23.
Vapnik, V.N., Markovich, N.M., Stefanyuk, A.R.: Rate of convergence in \(L_2\) of the projection estimator of the distribution density. Autom. Remote. Control. 53, 677–686 (1992)MATH
24.
Weissman, I., Novak, SYu.: On blocks and runs estimators of the extremal index. J. Stat. Plan. Inference 66, 281–288 (1978)MathSciNetCrossRef
Metadaten
Titel
The Discrepancy Method for Extremal Index Estimation
verfasst von
Natalia Markovich
Copyright-Jahr
2020
Buch
Nonparametric Statistics

Print ISBN: 978-3-030-57305-8

Electronic ISBN: 978-3-030-57306-5

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-57306-5_31

Premium Partner

    Bildnachweise