引导置信区间
GEV的古典独联体或GP参数估计,从协方差矩阵计算,并不准确,因为极端的样本量,m,并不是无限的。除此之外,违反底层模型假设(6.2.2.3节)可能会增加不精确性。一般来说,这种情况下支持的引导方法提供更准确的结果。然而,对于CI建设GEV或GP参数和相关物理量如分位数和返回时间,引导重采样可能并不总是更为可取。
非参数的问题引导重采样(3.3.1节)是引导复制的分布不均匀收敛与m的真实分布参数感兴趣的分位数时,看到Bickel和弗里德曼(1981),戴维森和史密斯(1990:p。440其中)和安格斯(1993)。另一种重采样,参数代理数据模拟(3.3.3节),被发现在蒙特卡洛实验(Caers et al . 1999;Kysely 2008)给独联体与接受accuracies-better比非参数引导重采样。警告对参数仿真的方法,然而,它规定了某一分布模型(GEV GP)数据和假设的适用性。在实践中,其中m <和限制模型分布只有大约接近,有额外的不确定性,这将扩大CIs获得参数模拟。很难量化多少更准确的CIs。
继续阅读:马dfCOV dTA 1 x M
这篇文章有用吗?