基于反事实理论与藤Copula的极端事件传播
统计方法学
2021-06-28 v1 其他统计学
摘要
理解多元极端事件在管理复杂系统风险中起着关键作用，因为极端事件由其自身的机制所支配。在给定变量超过高阈值（例如交通强度）的条件下，了解哪些高影响量（例如空气污染物水平）最有可能在未来成为极端至关重要。本文研究边际极端事件对相关量未来极端事件的贡献。我们提出一个极端事件传播框架，以最大化已知原因与未来高影响量之间的反事实因果概率。极值理论为建模上尾提供了工具，而藤 copula 是捕捉大量联合极值行为的灵活手段。我们优化因果概率并将框架应用于伦敦道路交通与空气污染物数据集。我们复现了超越线性关系的已有大气机制。这为量化极端事件在大量应用中的传播提供了一种新工具。
引用
@article{arxiv.2106.13564,
title = {Extreme event propagation using counterfactual theory and vine copulas},
author = {Valentin Courgeau and Almut E. D. Veraart},
journal= {arXiv preprint arXiv:2106.13564},
year = {2021}
}