POT超阈值模型和极值理论EVT分析

全文链接：http://tecdat.cn/?p=16845

相关视频

POT模型其主要动机是为高洪水流量的概率模型提供实用工具。但是，EVT的优势在于结果不取决于要建模的过程。因此，人们可以使用POT来分析降水，洪水，金融时间序列，地震等。

特征

POT软件包可以执行单变量和双变量极值分析；一阶马尔可夫链也可以考虑。例如，目前使用18个 估算器拟合（单变量）GPD  。这些估算器依靠三种不同的技术：

极大似然：MLE，LME，MPLE

动量法：MOM，PWM，MED

距离最小化：MDPD和MGF估计器。

与单变量情况相反，没有用于对超过阈值的双变量超出进行建模的有限参数化。POT允许对双变量GPD进行6种参数化：对数模型，负对数模型和混合模型-以及它们各自的不对称版本。

最后，可以使用二元GPD拟合一阶马尔可夫链，以实现两个连续观测值的联合分布。

在本节中，我们明确介绍了软件包中一些最有用的功能。但是，对于完整的描述，用户可能希望查看软件包的小插图和软件包的html帮助。

GPD 计算:

模拟来自GPD（0,1,0.2）的样本：

x 

##评估x = 3时的密度和不超过的概率：

dgpd(3, 0, 1, 0.2); pgpd(3, 0, 1, 0.2)

#计算非超出概率为0.95的分位数：

qgpd(0.95, 0, 1, 0.2)

y 

##评估不超过（5,14）的可能性

pbvgpd(c(3,15), mode

GPD 拟合

##最大似然估计（阈值= 0）：

mle 

##最大似然估计（阈值= 0）：

pwu 

##最大拟合优度估算器：

adr 

##指定已知参数：

fgpd(x, 0, "mple",

##指定数值优化的起始值：

fgpd(x, 0, "mdpd", start =

##拟合具有逻辑依存关系的双变量GPD：

log 

绘图用于单变量和双变量情况的通用函数：

plot(mle); plot(log)

返回等级图：

概率图和QQ图

qq(mle)

绘制密度

绘制Pickands的依赖函数：

光谱密度图：

对数似然（分位数）：

confint(mle, prob = 0.95)

对数似然（参数）：

confint(mle, "shape")