二元极值Copula的基于秩的推断

Christian Genest; Johan Segers

doi:10.1214/08-AOS672

二元极值Copula的基于秩的推断

统计理论 2009-08-26 v4 统计理论

作者: Christian Genest , Johan Segers

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

考虑一个连续随机对 $(X,Y)$ ，其依赖关系由具有Pickands依赖函数 $A$ 的极值Copula表征。当 $X$ 和 $Y$ 的边际分布已知时，已有若干 $A$ 的一致估计量。其中大多数是Pickands [Bull. Inst. Internat. Statist. 49 (1981) 859--878] 以及Cap\'{e}ra\`{a}, Foug\`{e}res和Genest [Biometrika 84 (1997) 567--577] 估计量的变体。在本文中，针对 $X$ 和 $Y$ 边际未知的更常见情形，提出了这些估计量的基于秩的版本。利用一类加权二元经验过程的极限行为结果，证明了这些基于秩的估计量的一致性和渐近正态性。然后将它们的有限样本和大样本性能与已知边际对应物及其端点修正版本进行了比较。还给出了其渐近方差的显式公式和一致估计。

关键词

conditional independence extreme value theory asymptotic distribution

引用

@article{arxiv.0707.4098,
  title  = {Rank-based inference for bivariate extreme-value copulas},
  author = {Christian Genest and Johan Segers},
  journal= {arXiv preprint arXiv:0707.4098},
  year   = {2009}
}

二元极值Copula的基于秩的推断

摘要

关键词

引用

评论

相关论文