Fandom

VroniPlag Wiki

Rh/016

< Rh

31.268Seiten in
diesem Wiki
Seite hinzufügen
Diskussion0 Share

Störung durch Adblocker erkannt!


Wikia ist eine gebührenfreie Seite, die sich durch Werbung finanziert. Benutzer, die Adblocker einsetzen, haben eine modifizierte Ansicht der Seite.

Wikia ist nicht verfügbar, wenn du weitere Modifikationen in dem Adblocker-Programm gemacht hast. Wenn du sie entfernst, dann wird die Seite ohne Probleme geladen.

Statistics of Multivariate Extremes with Applications in Risk Management

von Dr. Rodrigo Herrera

vorherige Seite | zur Übersichtsseite | folgende Seite
Statistik und Sichtungsnachweis dieser Seite findet sich am Artikelende
[1.] Rh/Fragment 016 01 - Diskussion
Zuletzt bearbeitet: 2012-08-15 22:20:41 Hindemith
Fragment, Gesichtet, Lindskog 2004, Rh, SMWFragment, Schutzlevel sysop, Verschleierung

Typus
Verschleierung
Bearbeiter
Hindemith
Gesichtet
Yes.png
Untersuchte Arbeit:
Seite: 16, Zeilen: 1-19
Quelle: Lindskog 2004
Seite(n): 10, 11, Zeilen: -
EXAMPLE 2.2.9. (Maxima of Cauchy random variables). Let X be a sequence of iid standard Cauchy random variables, i.e. the density function is given by {\scriptstyle   f(x) = \frac{1}{\pi(1+x^2)} } for {\scriptstyle x \in \mathbb{R} }. Using l’Hospitals rule we obtain
{\scriptstyle 
\lim_{x\to\infty}\frac{\bar{F}(x)}{(\pi x)^{-1} }= \lim_{x\to\infty}\frac{f(x)}{\pi^{-1} x^{-2} } =
}
{\scriptstyle 
\lim_{x\to\infty}\frac{\pi x^2}{\pi (1+ x^2) }=1 
}

Then {\scriptstyle  \bar{F}(x)\sim(\pi x)^{-1} } as {\scriptstyle x\to\infty}. Hence, for {\scriptstyle x>0, \quad\bar{F}(nx/\pi)\sim (nx)^{-1} } as {\scriptstyle n\to\infty} and

{\scriptstyle 
\mathbb{P} (M_n\le nx/\pi ) = \left(1- \bar{F} (nx/\pi)\right)^n
}
{\scriptstyle 
= \left( 1-\frac{1}{n}\left(\frac{1}{x} + o(1)\right)\right)^n
}
{\scriptstyle 
\to \quad \exp\left\{ -x^{-1}\right\}= \Phi_1 (x),
}

for {\scriptstyle x>0}. Hence F belongs to the maximum domain of attraction of the Frèchet [sic] distribution. The normalizing constants can be chosen to be {\scriptstyle a_n=n } and {\scriptstyle b_n=0 }

EXAMPLE 2.2.10. (Maxima of exponential random variables). Let X be a sequence of iid standard exponential random variables, i.e., the distribution function F of X is given by {\scriptstyle F(x) = 1- e^{-x} } for {\scriptstyle x\ge 0 } Then,

{\scriptstyle 
\mathbb{P} (M_n - \ln n\le x ) = F( x+\ln n)^n
}
{\scriptstyle 
= (1-\exp(-x-\ln n ))^n
}
{\scriptstyle
= (1-n^{-1} e^{-x} )^n
}
{\scriptstyle 
\to \quad \exp ( -e^x )= \Lambda (x) , \quad x\in\mathbb{R}
}

Hence, F belongs to the maximum domain of attraction of the Gumbel distribution. The normalizing constants can be chosen to be {\scriptstyle a_n=1 } and {\scriptstyle b_n= \ln n }

Example 3.2 (Maxima of exponential random variables). Let (Xk) be a sequence of iid standard exponential random variables, i.e. the distribution function F of Xk is given by{\scriptstyle F(x) = 1- e^{-x} } for {\scriptstyle x\ge 0 } Then
{\scriptstyle 
\mathbb{P} (M_n - \ln n\le x ) = F( x+\ln n)^n
}
{\scriptstyle 
= (1-\exp\{-x-\ln n\})^n
}
{\scriptstyle
= (1-n^{-1} e^{-x} )^n
}
{\scriptstyle 
\to \quad \exp \{-e^{-x}\} = \Lambda (x) , \quad x\in\mathbb{R}
}

Hence, F belongs to the maximum domain of attraction of the Gumbel distribution {\scriptstyle (F \in MDA(\Lambda))}. The normalizing constants can be chosen to be {\scriptstyle a_n=1 } and {\scriptstyle b_n= \ln n }.

Example 3.3 (Maxima of Cauchy random variables). Let (Xk) be a sequence of iid standard Cauchy random variables, i.e. the density function f of Xk is given by {\scriptstyle   f(x) = (\pi(1+x^2))^{-1} } for {\scriptstyle x \in \mathbb{R} }. Using l’Hospitals rule we obtain

{\scriptstyle 
\lim_{x\to\infty}\frac{\bar{F}(x)}{(\pi x)^{-1} }= \lim_{x\to\infty}\frac{f(x)}{\pi^{-1} x^{-2} } =
}
{\scriptstyle 
\lim_{x\to\infty}\frac{\pi x^2}{\pi (1+ x^2) }=1 
}

i.e. {\scriptstyle  \bar{F}(x)\sim(\pi x)^{-1} } as {\scriptstyle x\to\infty}. Hence, for {\scriptstyle x>0, \quad\bar{F}(nx/\pi)\sim (nx)^{-1} } as {\scriptstyle n\to\infty} and

{\scriptstyle 
\mathbb{P} (M_n\le \frac{nx}{\pi}) = \left( 1- \bar{F}\left(\frac{nx}{\pi}\right)\right)^n
}
{\scriptstyle 
= \left( 1-\frac{1}{n}\left(\frac{1}{x} + o(1)\right)\right)^n
}
{\scriptstyle 
\to \quad \exp\left\{ -x^{-1}\right\}= \Phi_1 (x), \quad  x > 0.
}

[Seite 11]

For {\scriptstyle x\le 0, \mathbb{P}(M_n\le nx/\pi )\le F (0)^n \to 0 }. Hence, F belongs to the maximum domain of attraction of the Fréchet distribution {\scriptstyle (F \in MDA(\Phi_1))}. The normalizing constants can be chosen to be {\scriptstyle a_n=n/\pi } and {\scriptstyle b_n=0 }.

Anmerkungen

Ausser der Reihenfolge der Beispiele sind die Unterschiede zwischen Quelle und Dissertation sehr gering: es gibt in der Dissertation geringfügige Auslassungen und eine fehlerhafte Normalisierungskonstante.

Es mag sich hier zwar um Standardbeispiele handeln, aber der Wortlaut und die mathematische Herleitung Term für Term sind übernommen ohne dass die Quelle genannt wird.

Sichter
(Hindemith), WiseWoman

[2.] Rh/Fragment 016 20 - Diskussion
Zuletzt bearbeitet: 2012-08-15 22:17:23 Hindemith
Boldi 2004, Fragment, Gesichtet, Rh, SMWFragment, Schutzlevel sysop, Verschleierung

Typus
Verschleierung
Bearbeiter
Hindemith
Gesichtet
Yes.png
Untersuchte Arbeit:
Seite: 16, Zeilen: 20-22
Quelle: Boldi 2004
Seite(n): 20, Zeilen: 23-25
In practice, the estimation \xi \in \mathbb{R}, \psi>0, \mu \in \mathbb{R} in (2.2.9) requires one to decompose the sample into blocks and take the blockwise maxima. A drawback with this approach is the loss of data. In practice, the estimation of μ, σ and κ requires one to decompose the sample into blocks and take the blockwise maxima. A drawback with this approach is the loss of data.
Anmerkungen

Ein Quellenverweis fehlt.

Sichter
(Hindemith) Plagiatsfischer


vorherige Seite | zur Übersichtsseite | folgende Seite
Letzte Bearbeitung dieser Seite: durch Benutzer:WiseWoman, Zeitstempel: 20120814201555

Auch bei Fandom

Zufälliges Wiki