简介
不能奢望通过本书能解决读者所遇到的一切有关极值统计分析问题。一方面，极值理论正处于迅速发展中，有些问题的处理在理论上还没有一种公认为最好的统计方法，有些方法可能还比较粗糙，有待改进，特别对多元极值问题；另一方面，有时认为极值的统计分析不仅是科学方法，而且还是一种“艺术”。对一个实际问题，既要尽可能多地利用包含在数据中的极值信息，又要保持模型的正确性，不能将所有数据都认为是极值，需要在这二者之间进行适当的平衡，这就是一种艺术。
统计分析方法离不开计算机对数据进行各种处理，极值统计也不例外。书中所有的计算程序都是用R语言编写的，许多例子会给出各种统计图表，使读者能比较直观地理解。
目录
目录
1 序言
1.1 什么是极值
1.2 极值统计的历史
1.3 极值理论的应用
2 一元极值理论
2.1 经典的极值理论
2.1.1 极值分布的类型及其性质
2.1.2 极值分布的最大值吸引场
2.2 平均超出量函数与T年重现水平
2.2.1 平均超出量函数
2.2.2 重现水平与VaR
2.3 广义Pareto分布
2.3.1 广义Pareto分布
2.3.2 广义Pareto分布的性质
2.4 和稳定分布
2.4.1 和稳定分布
2.4.2 和稳定分布的吸引场
2.5 重尾分布与厚尾分布
2.5.1 重尾分布与厚尾分布
2.5.2 各种分布之间的变换
2.6 与极值有关的统计量分布
2.6.1 次序统计量的分布
2.6.2 第r大次序统计量的极限分布
2.6.3 极差分布与极差中值分布
3 极值分布的统计推断
3.1 数据的经验分析
3.2 Gumbel分布的参数估计
3.2.1 矩估计
3.2.2 极大似然估计
3.2.3 线性估计
3.3 广义极值分布的参数估计
3.3.1 GEV模型的建立
3.3.2 极大似然估计
3.3.3 概率权矩估计
3.3.4 L矩估计
3.3.5 Bayes估计
3.3.6 自助法
3.4 模型的检验
3.4.1 概率纸、P-P图和Q-Q图
3.4.2 拟合检验
3.4.3 似然比检验
3.4.4 实例
3.5 最大值吸引场条件下的估计
3.5.1 形状参数估计
3.5.2 尾部及分位数估计
3.5.3 稳定分布的估计
3.6 广义Pareto分布的估计
3.6.1 GPD拟合分布尾部
3.6.2 阈值的选取
3.6.3 参数估计
3.6.4 实例
4 时间序列的极值
4.1 时间序列的基本概念
4.1.1 时间序列
4.1.2 ARCH模型的基本性质
4.2 平稳时间序列的极值分析
4.2.1 平稳时间序列的极值
4.2.2 极值指标的估计
4.2.3 平稳时间序列的参数估计
4.2.4 实例
4.3 非平稳时间序列的极值
4.3.1 模型的构造
4.3.2 统计推断
4.3.3 实例
4.4 极值的点过程模型
4.4.1 点过程的基本概念
4.4.2 超阈值点过程
4.4.3 统计建模
4.4.4 与其他极值模型的关系
4.4.5 重现水平估计
5 多元极值
5.1 多元分布的基本概念
5.1.1 相关结构函数及其性质
5.1.2 常用的二元相关结构函数
5.1.3 二元分布等高线和分位数线
5.1.4 相关性及其度量
5.1.5 尾部相关性
5.2 多元极值的建模方法
5.2.1 分量最大值模型
5.2.2 二元超阈值模型
5.2.3 点过程模型
5.2.4 结构变量
5.3 二元极值分布的参数模型
5.3.1 Logistic型
5.3.2 其他参数模型
5.4 多元极值分布的参数模型
5.4.1 Logistic模型
5.4.2 嵌套logistic模型
5.4.3 时间序列logistic模型
5.5 统计推断
5.5.1 参数估计
5.5.2 非参数估计
5.6 极值分布随机向量的产生
5.6.1 二元极值分布随机向量的产生
5.6.2 多元极值分布随机向量的产生
附录 R软件包的使用
A.1 R简介及安装
A.2 函数
A.3 数据
A.4 实例
参考文献
1 序言
1.1 什么是极值
1.2 极值统计的历史
1.3 极值理论的应用
2 一元极值理论
2.1 经典的极值理论
2.1.1 极值分布的类型及其性质
2.1.2 极值分布的最大值吸引场
2.2 平均超出量函数与T年重现水平
2.2.1 平均超出量函数
2.2.2 重现水平与VaR
2.3 广义Pareto分布
2.3.1 广义Pareto分布
2.3.2 广义Pareto分布的性质
2.4 和稳定分布
2.4.1 和稳定分布
2.4.2 和稳定分布的吸引场
2.5 重尾分布与厚尾分布
2.5.1 重尾分布与厚尾分布
2.5.2 各种分布之间的变换
2.6 与极值有关的统计量分布
2.6.1 次序统计量的分布
2.6.2 第r大次序统计量的极限分布
2.6.3 极差分布与极差中值分布
3 极值分布的统计推断
3.1 数据的经验分析
3.2 Gumbel分布的参数估计
3.2.1 矩估计
3.2.2 极大似然估计
3.2.3 线性估计
3.3 广义极值分布的参数估计
3.3.1 GEV模型的建立
3.3.2 极大似然估计
3.3.3 概率权矩估计
3.3.4 L矩估计
3.3.5 Bayes估计
3.3.6 自助法
3.4 模型的检验
3.4.1 概率纸、P-P图和Q-Q图
3.4.2 拟合检验
3.4.3 似然比检验
3.4.4 实例
3.5 最大值吸引场条件下的估计
3.5.1 形状参数估计
3.5.2 尾部及分位数估计
3.5.3 稳定分布的估计
3.6 广义Pareto分布的估计
3.6.1 GPD拟合分布尾部
3.6.2 阈值的选取
3.6.3 参数估计
3.6.4 实例
4 时间序列的极值
4.1 时间序列的基本概念
4.1.1 时间序列
4.1.2 ARCH模型的基本性质
4.2 平稳时间序列的极值分析
4.2.1 平稳时间序列的极值
4.2.2 极值指标的估计
4.2.3 平稳时间序列的参数估计
4.2.4 实例
4.3 非平稳时间序列的极值
4.3.1 模型的构造
4.3.2 统计推断
4.3.3 实例
4.4 极值的点过程模型
4.4.1 点过程的基本概念
4.4.2 超阈值点过程
4.4.3 统计建模
4.4.4 与其他极值模型的关系
4.4.5 重现水平估计
5 多元极值
5.1 多元分布的基本概念
5.1.1 相关结构函数及其性质
5.1.2 常用的二元相关结构函数
5.1.3 二元分布等高线和分位数线
5.1.4 相关性及其度量
5.1.5 尾部相关性
5.2 多元极值的建模方法
5.2.1 分量最大值模型
5.2.2 二元超阈值模型
5.2.3 点过程模型
5.2.4 结构变量
5.3 二元极值分布的参数模型
5.3.1 Logistic型
5.3.2 其他参数模型
5.4 多元极值分布的参数模型
5.4.1 Logistic模型
5.4.2 嵌套logistic模型
5.4.3 时间序列logistic模型
5.5 统计推断
5.5.1 参数估计
5.5.2 非参数估计
5.6 极值分布随机向量的产生
5.6.1 二元极值分布随机向量的产生
5.6.2 多元极值分布随机向量的产生
附录 R软件包的使用
A.1 R简介及安装
A.2 函数
A.3 数据
A.4 实例
参考文献
实用极值统计方法
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
