[논문 리뷰] A comparative review of generalizations of the extreme value distribution

Eliane C. Pinheiro, Silvia L. P. Ferrari|arXiv (Cornell University)|2015. 02. 09.

Wind and Air Flow Studies인용 수 2

한 줄 요약

이 논문은 극값 분포의 일반화를 검토하며, 비대칭성, 첨도, 그리고 무거운 尾를 가지는 분포를 식별한다. 바람 속도 데이터와 몬테카를로 시뮬레이션을 이용하여, 일반화된 극값 분포(GEV)와 두 개의 극값 분포 혼합 모형이 유연성과 식별 가능성의 균형을 이루기 때문에 실용적 응용에 가장 적합하다고 밝혀졌다. 반면 다른 모형들은 과도한 매개변수화와 식별 불가능성 문제를 겪는다.

ABSTRACT

The extreme value distribution, also known as the Gumbel distribution, is widely applied for extreme value analysis but has certain drawbacks in practice because it is a non heavy-tailed distribution and is characterized by constant skewness and kurtosis. Our goal is to present a literature review of the distributions that contain the extreme value distribution embedded in them and to identify those that have flexible skewness and kurtosis and those that are heavy-tailed. The generalizations of the extreme value distribution are described and compared using an application to a wind speed data set and Monte Carlo simulations. We show that some distributions suffer from overparameterization and coincide with other generalized Gumbel distributions with a smaller number of parameters, i.e., are non-identifiable. Our study suggests that the generalized extreme value distribution and a mixture of two extreme value distributions should be considered in practical applications.

연구 동기 및 목표

• 비대칭성과 첨도를 민감하게 조절할 수 있는 극값 분포의 일반화를 식별하기 위해.
• 극단적인 사건을 모델링하는 데 적합한 뚜렷한 꼬리 성질을 가지는 분포를 평가하기 위해.
• 극값 모델링에서 과도한 매개변수화와 식별 불가능성을 방지하기 위해 매개변수 식별 가능성 평가하기 위해.
• 실제 바람 속도 데이터와 몬테카를로 시뮬레이션을 활용해 분포 성능을 비교하기 위해.
• 실용적 설정에서 극값 분석에 가장 실용적인 분포를 권장하기 위해.

제안 방법

• 극값 분포를 특수 케이스로 포함하는 분포에 대한 체계적 검토.
• 실제 바람 속도 데이터셋에 일반화된 극값(GEV) 분포와 두 개의 극값 분포 혼합 모형 적용.
• 경쟁 분포의 통계적 행동을 비교하기 위해 몬테카를로 시뮬레이션 수행.
• 과도하게 매개변수화된 모형에서 식별 불가능한 매개변수화 여부를 점검하여 매개변수 식별 가능성 평가.
• 해석적 표현과 시뮬레이션 결과를 활용해 비대칭성과 첨도의 유연성 평가.
• 적합도와 매개변수 안정성 기반으로 모형 성능 비교.

실험 결과

연구 질문

• RQ1 극값 분포의 일반화 중 비대칭성과 첨도를 민감하게 조절할 수 있는 것은 무엇인가?
• RQ2 이들 분포 중에서 극단적 사건 모델링에 적합한 뚜렷한 꼬리 성질을 가지는 것은 무엇인가?
• RQ3 과도하게 매개변수화된 모형과 간단하고 식별 가능한 대안 간의 통계적 신뢰성은 어떻게 비교되는가?
• RQ4 일반화된 극값 분포와 두 개의 극값 분포 혼합 모형이 실제 바람 속도 데이터에 대해 다른 모형보다 뛰어난가?
• RQ5 어느 분포가 중복된 매개변수로 인해 식별 불가능한가, 그리고 이를 어떻게 식별할 수 있는가?

주요 결과

• 일반화된 극값 분포(GEV)는 비대칭성과 첨도를 민감하게 조절할 수 있으며, 바람 속도 데이터에 대한 적합도가 뛰어나다.
• 두 개의 극값 분포 혼합 모형은 향상된 유연성을 제공하며, 복잡한 극단적 사건 패턴 모델링에 효과적이다.
• 다수의 제안된 일반화 모형은 과도한 매개변수화로 인해 식별 불가능하며, 실용적 사용에 제한을 받는다.
• 일정한 비대칭성과 첨도를 가지는 분포, 예를 들어 원래의 극값 분포처럼, 다양한 극단적 사건 행동을 모델링하는 데에는 부적합하다.
• 몬테카를로 시뮬레이션 결과, GEV 및 혼합 모형은 안정적인 매개변수 추정치를 유지하고 과도하게 매개변수화된 대안보다 더 나은 적합도를 보인다.
• 특정 분포는 더 단순한 일반화된 구름 분포 형태와 동치이므로 중복된 것으로 식별되며, 이는 모형 선택 시 단순성의 중요성을 강조한다.