我知道连续分布的极值理论。我需要将极值分布拟合到每月每天观察到的事件数的最大值。这似乎是块最大值问题,它由 GEV 系列分布近似为连续分布。我如何为计数数据执行此操作?
作为第二个问题,让我们假设基本计数过程是〜泊松。那么这是否会导致对原始问题的不同答案?
我知道连续分布的极值理论。我需要将极值分布拟合到每月每天观察到的事件数的最大值。这似乎是块最大值问题,它由 GEV 系列分布近似为连续分布。我如何为计数数据执行此操作?
作为第二个问题,让我们假设基本计数过程是〜泊松。那么这是否会导致对原始问题的不同答案?
我不知道你的主要问题的明确答案。虽然我找到了以下两个参考:
Anderson, CW,“一类离散分布的极值理论,适用于某些随机过程”,应用概率杂志,第 7 卷,1970 年,第 99-113 页。
Anderson, CW,“离散随机变量最大值的局部极限定理”,剑桥哲学学会数学学报,第 88 卷,1980 年,第 161-165 页。
对于您的第二个问题,泊松的 CDF 是所以. 应用差分算子(lag1),你得到最大的 PMF。
对于最近的访问者,Hitz、Davis 和 Samorodnitsky (arXiv:1707.05033) 在该领域有新的发展。采用峰值超过阈值的方法而不是块最大值,离散广义帕累托分布导出为GPD 和离散最大吸引力域 (DMDA) 是通过将它们与经典 MDA 相关联来引入的。整件事与齐夫定律有关,但又不同。
就论文的术语而言,泊松分布在 Gumbel 分布的 DMDA 中,负二项分布和几何分布也是如此。
泊松不属于任何 EV 分布的 MDA(不可能找到提供非退化限制的移位和缩放序列)。Leadbetter、Lindgren 和 Rootzen (1983) 中的一个定理的结果。