Weighted estimation of the dependence function for an extreme-value distribution

نویسندگان
چکیده

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Estimation for the Type-II Extreme Value Distribution Based on Progressive Type-II Censoring

In this paper, we discuss the statistical inference on the unknown parameters and reliability function of type-II extreme value (EVII) distribution when the observed data are progressively type-II censored. By applying EM algorithm, we obtain maximum likelihood estimates (MLEs). We also suggest approximate maximum likelihood estimators (AMLEs), which have explicit expressions. We provide Bayes ...

متن کامل

Tail dependence for weighted mean of two copula function

In this paper, we study the properties of power weighted means, arithmetic, geometry and harmonic for two copulas.

متن کامل

high volatility, thick tails and extreme value theory in value at risk estimation: the case of liability insurance in iran insurance company

در این بررسی ابتدا به بررسی ماهیت توزیع خسارات پرداخته میشود و از روش نظریه مقادیر نهایی برای بدست آوردن برآورد ارزش در معرض خطر برای خسارات روزانه بیمه مسئولیت شرکت بیمه ایران استفاده میشود. سپس کارایی نظریه مقدار نهایی در برآورد ارزش در معرض خطر با کارایی سایر روشهای واریانس ، کواریانس و روش شبیه سازی تاریخی مورد مقایسه قرار میگیرد. نتایج این بررسی نشان میدهند که توزیع ،garch شناخته شده مدل...

15 صفحه اول

Parameter estimation for the general extreme value distribution

This study is concerned with the estimation of the parameters of the general (or generalised) extreme value (GEV) distribution by the methods of maximum likelihood (ML) and probability-weighted moments (PWM) for complete and type I censored samples. For complete samples, the PWM provided estimators which are less biased than the ML estimators. For the variances/covariances of the parameter esti...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ژورنال

عنوان ژورنال: Bernoulli

سال: 2013

ISSN: 1350-7265

DOI: 10.3150/11-bej409