使用混合准则的模型平均估计极值高分位数：在暴雨中的应用
统计方法学
2026-02-24 v2 统计计算
摘要
准确估计超出最大观测值的高分位数对于风险评估和制定有效的适应策略以防止更大的灾难至关重要。广义极值分布被广泛用于此目的，其中 L 矩估计（LME）和极大似然估计（MLE）是主要方法。然而，当上端点无界时，或者等价地，当外推涉及更大的不确定性时，用小样本量估计高分位数变得具有挑战性。本研究引入了一种使用模型平均（MA）技术的改进方法。该方法结合 MLE 和 LME 来构建候选子模型并有效分配权重。通过蒙特卡洛模拟和韩国最大日降雨量数据的应用，评估了所提方法的特性。此外，还检验了 MA 估计量的理论特性，包括具有随机权重的渐近方差。还开发了 MA 估计的代理模型并应用于进一步分析。最后，考虑了贝叶斯模型平均方法，以减少 MA 方法中出现的估计偏差。
引用
@article{arxiv.2505.21417,
title = {Model averaging with mixed criteria for estimating high quantiles of extreme values: Application to heavy rainfall},
author = {Yonggwan Shin and Yire Shin and Jeong-Soo Park},
journal= {arXiv preprint arXiv:2505.21417},
year = {2026}
}