Extremes (Uç-Aşırı Değerler) İstatistikleri – Aşırılık İstatistikleri – (51) – Aşırılık İstatistiği Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

0 (312) 276 75 93 @ İletişim İçin Mail Gönderin bestessayhomework@gmail.com - 7/24 hizmet vermekteyiz... @@@ Süreli, online, quiz türü sınavlarda yardımcı olmuyoruz. Teklif etmeyin. - Ödev Yaptırma, Proje Yaptırma, Tez Yaptırma, Makale Yaptırma, Essay Yaptırma, Literatür Taraması Yaptırma, Vaka İncelemesi Yaptırma, Research Paper Yaptırma, Akademik Makale Yaptırma, İntihal Oranı Düşürme, İstatistik Ödev Yaptırma, İstatistik Proje Yaptırma, İstatistik Tez Yaptırma, İstatistik Makale Yaptırma, İstatistik Essay Yaptırma, Edebiyat Ödev Yaptırma, Edebiyat Proje Yaptırma, Edebiyat Tez Yaptırma, İngilizce Ödev Yaptırma, İngilizce Proje Yaptırma, İngilizce Tez Yaptırma, İngilizce Makale Yaptırma, Her Dilde Ödev Yaptırma, Hukuk Ödev Yaptırma, Hukuk Proje Yaptırma, Hukuk Tez Yaptırma, Hukuk Makale Yaptırma, Hukuk Essay Yaptırma, Hukuk Soru Çözümü Yaptırma, Psikoloji Ödev Yaptırma, Psikoloji Proje Yaptırma, Psikoloji Tez Yaptırma, Psikoloji Makale Yaptırma, İnşaat Ödev Yaptırma, İnşaat Proje Yaptırma, İnşaat Tez Yaptırma, İnşaat Çizim Yaptırma, Matlab Yaptırma, Spss Yaptırma, Spss Analizi Yaptırmak İstiyorum, Ücretli Spss Analizi, İstatistik Ücretleri, Spss Nedir, Spss Danışmanlık, İstatistik Hizmeti, Spss Analizi ve Sonuçların Yorumlanması, Spss Ücretleri, Tez Yazdırma, Ödev Danışmanlığı, Ücretli Ödev Yaptırma, Endüstri Mühendisliği Ödev Yaptırma, Tez Yazdırma, Matlab Ödev Yaptırma, Tez Danışmanlığı, Makale Danışmanlığı, Dış Ticaret ödev YAPTIRMA, Makale YAZDIRMA siteleri, Parayla makale YAZDIRMA, Seo makale fiyatları, Sayfa başı yazı yazma ücreti, İngilizce makale yazdırma, Akademik makale YAZDIRMA, Makale Fiyatları 2022, Makale yazma, Blog Yazdırma, Blog Yazdırmak İstiyorum

Extremes (Uç-Aşırı Değerler) İstatistikleri – Aşırılık İstatistikleri – (51) – Aşırılık İstatistiği Nedir? – İstatistik Fiyatları – Ücretli İstatistik Yaptırma

21 Aralık 2020  İstatistiksel Veri Analizi Koşullu yakınsama nedir Koşulsuz yakınsama nedir Ödevcim Akademik Ülkeler arasında yakınsama nedir Yakınsama Hipotezi nedir Yakınsama Nedir Yakınsama teorisi hangi yıllarda geliştirildi 0
Örnekleme – İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma

Çok Değişkenli Düzenli Varyasyon

Bir dağıtımın çok değişkenli aşırı değer dağılımının ilgi alanı içinde olduğunu ima eden oldukça popüler bir koşul, çok değişkenli düzenli değişimdir. Bir dağılımın bağımlılık yapısının aşırı değer bağımlılık yapısının çekim alanı içinde olması için gerekli ve yeterli bir koşul olarak (8.86) ‘da zaten karşılaştık. Daha genel olarak, F [0, ∞) destekli bir d-değişken dağılım fonksiyonu olsun. E = (1,…, 1) ∈ Rd koyun. Λ: (0, ∞) → (0, ∞) gibi bir fonksiyon varsa F’nin (0, ∞) üzerinde düzenli olarak değiştiğini söylüyoruz.

Buradan, [0, ∞) \ {0} üzerinde tüm x> 0 için λ (x) = ν ([0, ∞) \ [0, x]) olacak şekilde bir ν ölçüsü vardır. (8.86) F ∗ ‘nin (0, ∞) üzerinde düzenli olarak değiştiğini ve sınır ölçüsü ν (·) = μ ∗ (·) / μ ∗ ([0, ∞) \ [0, e]) olduğunu söylüyor.

Μ ∗ için keşfettiğimiz özelliklerin çoğu aynı zamanda ν’ye de uzanır. Örneğin, 0 <α <∞suchthatν (t ·) = t − αν (·) için mevcut olmalıdır 0 <t <∞. 1 – F (tne) ∼ n − 1, n → ∞ olduğu gibi, F n ( tnx) → exp {−λ (x)}, Fre ́chet kenar boşlukları ile bir uç değer dağılımı. Ayrıca, ν, bölüm 8.2.3’te μ for için bulduğumuzla aynı türden bir spektral ayrışmayı kabul eder.

(8.97) ‘de olduğu gibi, normalleştirilmiş spektral ölçü, radyal bileşeni büyük olduğu için dağılım fonksiyonu F olan rastgele bir vektörün açısal bileşeninin sınırlayıcı dağılımı olarak yorumlanabilir. Çok değişkenli düzenli varyasyonun ayrıntılı bir açıklaması Resnick (1987) ve Mikosch (2004) ‘de bulunabilir; ayrıca bkz. Bingham ve ark. (1987). Meerschaert ve Scheffler (2001) tarafından monografide çok uzamalı genellemeler geliştirilmiştir.

Şimdi, F’nin [0, ∞) üzerinde desteklenen f yoğunluğu ile mutlak sürekli bir d-değişken dağılım fonksiyonu olduğunu varsayalım. F’nin düzenli olarak (0, ∞) değişmesi için yeterli koşullar, de Haan ve Resnick (1987) ‘de belirtilmiştir.

Bunlar, çok değişkenli modellerin çoğu dağıtım işlevlerinden ziyade yoğunluklarına göre tanımlandığından faydalıdır. Koşulların uygulanabileceği tipik örnekler, çok değişkenli t-dağılımı ve F-dağılımının ([0, ∞) kısıtlamasıdır. (8.86) ile birlikte koşullar, kesinlikle sürekli bir dağılımın bağımlılık yapısının aşırı bir değer bağımlılığı yapısının çekim alanı içinde olduğunu kanıtlamak için bir araç olarak hizmet edebilir.

Özel Dağıtım Sınıfları

Belirli parametrik olmayan dağıtım sınıfları için, bölüm 8.3’teki çekim alanı koşulları açık bir şekilde hesaplanabilir. Örneğin, Hult ve Lindskog (2002), eliptik dağılımların çok değişkenli uçlarını inceleyerek, özellikle sınırlayıcı spektral ölçüye odaklanır.

Alternatif olarak, Cape ́raa` ve diğerleri (2000) tarafından verilen iki değişkenli kopulalar sınıfını inceler.

Burada A bir Pickands bağımlılık fonksiyonudur, φ: (0, 1] → [0, ∞) dışbükeydir ve azalır ve φ (1) = 0’ı doğrular, φ − 1 fonksiyonu φ’nin ters fonksiyonudur ve  kural φ (0) = limu ↓ 0 φ (u) ve φ − 1 (s) = 0 ise s ≥ φ (0) olur.

Sınıf, Genest ve MacKay (1986) (A = 1) tarafından iki değişkenli aşırı değerli kopulaların (φ = – log) ve Archimedean kopulalarının ailelerini birleştirir, burada Archimax copulas adı verilir. Sınıf içinde, herhangi bir iki değişkenli aşırı değerli kopulanın çekim alanında önemsiz olmayan kopulas örnekleri oluşturmak kolaydır.

Yakınsama Nedir
Koşullu yakınsama nedir
Yakınsama Hipotezi nedir
Koşulsuz yakınsama nedir
Ülkeler arasında yakınsama nedir
Yakınsama teorisi hangi yıllarda geliştirildi

Diğer Aşırı İlgili Miktarlar

Koordinat açısından maksimum veya yüksek çok değişkenli bir eşik üzerindeki aşımlardan ziyade, çok değişkenli bir dizinin uç noktaları ile ilgili diğer miktarlar da literatürde incelenmiştir.

Cheng vd. (1995), örneğin, aşağıdaki gibi tanımlanan çok değişkenli orta dereceli istatistiki incelemektedir. Xi, i = 1 olsun. . . n bağımsız, aynı şekilde dağıtılmış d-boyutlu rastgele vektörler olabilir. J = 1 için. . . , d, X (1), j ≤ · · · ≤ X (n), j, X1, j, …, Xn, j gözlemlerine karşılık gelen artan sıra istatistikleri olsun. Her j = 1 için. . . , d, (kn, j) n pozitif tam sayıların bir ara dizisi olsun, yani kn, j → ∞ ve kn, j / n → 0, n → ∞.

Ayrıca tüm kn, j’nin aynı oranda büyüdüğünü varsayalım. Cheng vd. (1995) daha sonra X (kn), n = (X (kn, 1), n,.., X (kn, d), n) vektörlerinin dizisinin n → ∞ olarak asimtotik dağılımını bulmuştur.

Çok değişkenli gözlemler için doğal bir sıralama olmaması nedeniyle çok değişkenli kayıtların doğal bir tanımı açık olmasa da, kayıtlar çok değişkenli durumda da incelenebilir.

Marjinal sıralama ilkesi aşağıdaki tanımı önerir: Xn, X1, …, Xn, eğer Xn> 􏰰n − 1 Xi, i = 1 ise yani, tüm koordinatlarda aynı anda bir kayıt varsa. Bu tür kayıtların dizisinin asimptotik dağılımı Goldie ve Resnick’in (1995) konusu ve buradaki referanslardır. Alternatif olarak, Gauss süreçleri bağlamında, Habach (1997), Xn’yi koordinatlardan birinde bir kayıt olduğu anda bir kayıt olarak tanımlar, yani eğer Xn ise, j> 􏰰n − 1 Xi, j için bazı j = 1, …, di  i = 1 olur.

Doğası gereği çok değişkenli olan bir kavram, eşzamanlılar veya indüklenmiş sıra istatistikleridir. Örneğin, (Xi1, Xi2), i = 1, olsun. . . , n, iki değişkenli rastgele çiftlerin bir örneği olsun ve X (1), 1 ≤ · · · ≤ X (n), 1 birinci koordinatta artan sıra istatistikleri olsun.

Daha sonra, birinci koordinatı X (i), 1’e eşit olan çiftin ikinci koordinatının değeri, bu sıra istatistiğinin eşzamanlı olarak adlandırılır ve X [i], 2 ile gösterilir. Örneğin, X [n], 2, en büyük birinci koordinata sahip çiftin ikinci koordinatıdır. Aşırı sıra istatistiklerinin eşzamanlılarının dağılımı David (1994) ve Nagaraja ve David (1994) ‘te incelenmiştir.

Ledford ve Tawn (1998), marjinal iki değişkenli hayatta kalan fonksiyonunun düzenli olarak değişen iki değişkenli olması durumunda en büyük sıra istatistiğinin eşzamanlılığına odaklanır. Özellikle, eşzamanlı olanın kuyruk fonksiyonu için asimptotik bir genişleme verirler ve koordinat-bilge maksimum çiftinin gerçek bir gözlem olduğu asimptotik olasılığı bulurlar, yani P [X [n], 2 = X (n ), 2].

Yakınsama Oranları

Bölüm 4 ve 5’ten bir boyutta, çekim alanı koşulundaki yavaş yakınsama nedeniyle, bir dağılımın kuyruğunun tahmin edicilerinin bazen önemli bir önyargıdan muzdarip olduğunu hatırlayın. Bağımlılık yapısının yakınsama oranı gibi ekstra bir sorun daha yüksek boyutlarda ortaya çıkabilir.

Omey ve Rachev (1991) ve Falk ve Reiss (2002), tek tip metriğe göre numunenin maksimum kopulasının sınırlayıcı uç değer kopulasına (8.79) yakınsama oranını araştırırken, de Haan ve Peng (1997) daha güçlü toplam varyasyon metriğine odaklanmıştır.

Alternatif olarak, Kaufmann ve Reiss (1995), aşımların belirli nokta süreçlerinin sınırlayıcı Poisson sürecine yakınsama oranını göz önünde bulundururlar; sonuç, üst düzey istatistiklerin ortak dağılımları için yakınsama oranlarıdır, ancak bunların hata terimleri optimalin altında görünmektedir. Son olarak Nadarajah (2000), spektral yoğunlukların yakınsaması için asimptotik açılımlar verir.

 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak.