CHAPTER 02 / 2.2 区块最大值建模 / 2.2.1
区块最大值
反复抽取最大值,看它们如何收敛到 GEV 分布。
原始分布(每个观测)
150
11000
01 / 一个区块
每个区块包含 个独立观测
点击“下一个区块”,生成 n 个观测,并标出其中的最大值。
精确分布 ,中位数 49.75
,,
0个区块
相当于 0 个原始观测
先逐个生成区块,再批量增加,观察标准化最大值的直方图逐渐贴近 GEV 曲线。
标准化最大值的分布
概率密度模拟密度精确分布(n = 100)极限 GEV()
图中范围覆盖极限分布约 0.2%–97%的概率;当前模拟有 0 个最大值落在图外。
已记录区块数0
的样本均值—
极限 GEV 均值0.5772
KS 距离(样本 vs 极限)—
精确分布如何逼近极限
n = 1n = 5n = 30n = 365极限 GEV
课件例题
笔索赔中,最大一笔超过 的概率
已知 时可直接计算:。课件取指数分布均值 10、, 与 。
0139
49.139% 精确值
GEV 近似 49.023%
模拟区块中的比例—
指数分布的最大值随 以 的速度右移,但宽度不变。减去 、除以 后,分布稳定在 Gumbel 分布。
三种原始分布的标准化常数展开阅读
三种情形的精确分布都能写成 ,这正是课件中指数例子的推导: 时它趋于 ,也就是标准 的分布函数。Lomax 的尺度固定为 。
KS 距离是经验分布函数与极限分布函数的最大纵向差。它同时包含两部分:有限 与极限之间的近似误差,以及有限区块数带来的抽样误差。 较小时,即使模拟很多区块,KS 距离也不会趋于零。