文献

J-GLOBAL ID：202202235775823214   整理番号：22A0552717

空間極値の統計モデリングにおける進歩【JST・京大機械翻訳】

Advances in statistical modeling of spatial extremes

著者 (2件)： Huser Raphaeel (Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Wadsworth Jennifer L. (Department of Mathematics and Statistics, Fylde College, Lancaster University, Lancaster, UK)
資料名： Wiley Interdisciplinary Reviews: Computational Statistics  (Wiley Interdisciplinary Reviews: Computational Statistics)
巻： 14  号： 1  ページ： e1537  発行年： 2022年 
JST資料番号： W2767A  ISSN： 1939-5108  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 空間極値の古典的モデリングは,それぞれ,高閾値上のブロック最大またはピークに対する漸近モデル(すなわち,最大安定またはr-Paretoプロセス)に依存する。しかし,有限レベルでは,経験的証拠は,そのような漸近モデルが,あまりに堅固に制約され,より厳しい事象が空間的により局所化される傾向がある頻繁な状況を適切に把握しないことを示唆する。言い換えれば,これらの漸近モデルは,高いレベルで持続する強いテール依存性を持ち,一方,データは,通常,それが代わりに弱めるべきであることを示唆する。古典的空間極値モデルのもう一つのよく知られた限界は,それらが高次元にフィットするのに計算的に禁止されるか,あるいは,より効率の低い技術を用いて適合する必要があることである。本レビュー論文では,漸近依存性クラスを橋渡しできるより柔軟なテール構造を持ち,大きなデータセットに対する尤度ベースの推論に容易に対応できる新しいモデルに焦点を合わせて,空間極値のモデリングと推論における最近の進展を述べた。特に,極端なコミュニティの統計の中でますます注目を浴びている条件付き空間極値モデルと同様に,様々なタイプのランダムスケール構築について議論する。著者らは,2つの異なる環境応用に関するこれらの新しい空間モデルのいくつかを説明した。本論文は,データ:タイプと構造>画像と空間データデータ:タイプと構造>時間シリーズ,確率プロセス,およびデータ科学>モデリング方法の関数データ統計学習と探索的方法に分類した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 確率過程 ,  データ ,  コミュニティ ,  依存性 ,  *モデリング ,  高次元 ,  過程 ,  *極値 ,  ロバスト性
準シソーラス用語： 尤度 ,  空間データ ,  局在化 ,  空間モデル ,  データサイエンス ,  統計学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 漸近的依存性と独立性 ,  極値理論 ,  最大安定プロセス ,  パレートプロセス ,  ランダムスケール混合

分類 (2件)： 数値計算  (JE02000J) ,  気候学,気候変動  (DC05140T)

タイトルに関連する用語 (3件)： 極値 ,  統計 ,  モデリング