相关极值指数的小域估计
机器学习
2026-01-09 v2 人工智能
摘要
在极值分析中，用帕累托型分布来建模重尾数据分布的尾部行为，其中称为极值指数（EVI）的东西控制尾部行为。对于来自多个人口子群或区域的重尾数据，本研究有效地预测所有区域的 EVIs。为此目的，我们提出一种混合效应模型，这是小域估计中有用的方法。在该模型中，我们通过称为随机效应的潜在变量来表示区域之间 EVI 的差异。使用跨区域的相关随机效应，我们将区域之间的关系纳入模型中。获得的模型实现了对所有区域 EVI 的同步预测。此处，我们描述模型中的参数估计和随机效应预测，并阐明了估计器的理论属性。此外，还 presented 数值实验，以演示所提出方法的有效性。作为本模型的应用，我们为日本大雨风险评估提供了答案。
引用
@article{arxiv.2601.03646,
title = {ReLA: Representation Learning and Aggregation for Job Scheduling with Reinforcement Learning},
author = {Zhengyi Kwan and Wei Zhang and Aik Beng Ng and Zhengkui Wang and Simon See},
journal= {arXiv preprint arXiv:2601.03646},
year = {2026}
}
备注
15 pages