极值指数与超越聚簇

想象一次大冲击连续留下两次很高的读数。单个时刻的超越概率没有告诉你，这两次读数其实只提供一次新的机会。最大值只关心有没有至少一簇出现，因此簇的到达强度决定“完全没有超越”的概率。

不过“极值指数等于平均簇大小的倒数”需要额外的簇极限与均值控制。定义本身只涉及最大值概率，并未自动给出一个唯一的有限样本分簇办法。

移动最大值精确给出二分之一 ​

取 $\alpha >0$，令 $Y_t$ 独立同分布，$P(Y_t\le y)=\exp (-y^{-\alpha })$、$y>0$，并定义

它严格平稳，且相隔至少两个时间单位的变量独立公理库独立性Statistical independence从概率表理解独立性，区分两两、相互和条件独立，并用可计算反例澄清零协方差与条件均值的限度。。边缘分布为 $F(x)=\exp (-2x^{-\alpha })$。取

便有 $nP(X_0>u_n)=n(1-e^{-\tau /n})\to \tau$。

但 $n$ 个 $X$ 的最大值实际只涉及 $Y_0,\dots ,Y_n$，所以

故 $\theta =1/2$。一个特别大的 $Y_t$ 同时使 $X_t$ 与 $X_{t+1}$ 很大；相邻两个大冲击同时出现的概率在稀有事件极限下可以忽略，典型簇于是含两个超越。

完全依赖可以使指数为零 ​

令所有时刻都等于同一个随机变量：$X_t=Y$。它仍严格平稳。若 $nP(Y>u_n)\to \tau$，则

所以 $\theta =0$。增加观察时刻并未增加独立机会。这个例子没有短程分簇结构，不能把 $1/\theta$ 草率解释为某个可直接估计的普通平均簇大小。

簇解释需要哪些额外控制 ​

一种常见证明策略把 $n$ 个时刻分成长块，中间留较短间隔。需要远隔长块的极端事件近似独立，且删掉的间隔总超越概率可忽略；还需要反聚簇控制，使一个极端冲击产生的簇在所选长块内结束，而不是无限延伸。

在这些条件下，若簇到达数趋向 $\mathrm{Poisson}(\theta \tau )$，每簇超越个数趋向正整数变量 $C$，并有足够的一致可积性把期望传到极限，那么

一致可积性不能省去：计数分布收敛不自动保证均值收敛，少量异常巨簇可能携带不消失的期望。极值指数存在也不自动替代全部混合、反聚簇与矩控制。

原始超越数可能不是 Poisson ​

对上面的双重移动最大值，由独立稀有 Bernoulli 和的Poisson 极限公理库Poisson 分布Poisson distribution · 泊松分布以强度参数描述固定窗口内稀有事件计数的离散分布。，底层超阈值创新数

两端创新的影响以概率趋零；两个相邻创新同时超越的概率由 $nP(Y_0>u_n{)}^2\to 0$ 控制。因此原始超越数满足

其极限是两倍 Poisson 变量，而不是均值 $\tau$ 的普通 Poisson 变量。极限均值为 $\tau$、方差为 $2\tau$，且无超越概率为 $e^{-\tau /2}$。若忽略聚簇，只看边缘发生率，会把不确定性和最大值概率都算错。

指数不是相关系数，也不是独立性检验 ​

$\theta$ 描述越来越高门槛下的极端行为。它不等于任何普通自相关系数；某些重尾甚至没有有限二阶矩。$\theta =1$ 也只说明最大值极限没有因尾部聚簇而降低强度，不能反推出整个过程独立。

独立超越的 Poisson 点过程极限公理库极端超越的 Poisson 点过程极限Poisson point-process limit for extremes · Extreme exceedance point process正则变化独立样本的极端观测保留发生时间与归一化高度后，形成具有幂型高度强度的 Poisson 点过程极限。提供没有聚簇时的基准。对依赖数据，先检查是否应当建模簇的到达，再处理每簇内部的多个读数，而不是仅把全部超越当成互相独立的点。