Skip to content

定义Definition

最大值吸引域

施工中 · 内容逐步修订

Maximum domain of attraction · Tail quantile criterion for extreme values

最大值吸引域把总体尾部与特定极值极限联系起来,尾分位的扩展正则变化同时给出判据与归一化。

形式陈述 ​

知道极值极限只有三种类型后,怎样判断一个具体总体属于哪一种?设 F 为分布函数,右端点 xF=sup{x:F(x)<1}。若存在 an>0,bn,使

F(anx+bn)n⟶Gξ(x):=exp⁡[−(1+ξx)−1/ξ]

在 Gξ 的连续点成立(ξ=0 按 Gumbel 极限解释),也就是具有总体分布 F 的 IID 样本之归一化最大值依分布收敛到 Gξ,就称 F 属于 Gξ 的最大值吸引域,记作 F∈D(Gξ)。Fisher–Tippett–Gnedenko 分类定理排除了其他非退化 IID 最大值极限,所以判定时只需研究这组 GEV 目标。类型及支持端点沿用该定理的约定。

使用分布函数页中广义分位数的左连续约定

F←(p)=inf{y:F(y)≥p},U(t)=F←(1−1/t),t>1.

一个等价判据是:存在 a(t)>0,使对每个 x>0,

U(tx)−U(t)a(t)⟶hξ(x):={(xξ−1)/ξ,ξ≠0,log⁡x,ξ=0.

这称尾分位的扩展正则变化。它允许 F 有跳跃,并不要求存在密度。条件成立时,可取 bn=U(n)、an=a(n);分位广义逆负责处理非严格单调的总体。

直觉

U(t) 是尾概率约为 1/t 的高度。把样本量从 t 放大为 tx,典型最大值就从 U(t) 移到 U(tx)。判据考察这个位移在合适尺度下是否形成稳定的倍率规律。

普通正则变化比较两个高度的比值,扩展正则变化先减去基准高度,再除以尺度。因此它不仅容纳向无穷增长的幂尾,也容纳对数增长和逼近有限端点的情形。

例子与边界

三个尾分位,一套检验方式 ​

对 Pareto 尾 F―(y)=y−α,U(t)=t1/α。取 ξ=1/α、a(t)=ξtξ,则

U(tx)−U(t)a(t)=xξ−1ξ.

因此按本页的标准 GEV 坐标应取 bn=n1/α、an=n1/α/α。若取 bn=0,an=n1/α,则得到位置尺度等价的标准 Fréchet 表达,两者没有冲突。

对率一指数分布,U(t)=log⁡t,取 a(t)=1,差值恰为 log⁡x,所以 ξ=0。

对 (0,1) 均匀分布,U(t)=1−1/t,取 a(t)=1/t,则

U(tx)−U(t)a(t)=1−1x=x−1−1−1,

故 ξ=−1。这次尺度与剩余端点距离同阶,而不是与高度 U(t) 本身同阶。

几何分布的晶格振荡 ​

设整数值 X≥0 满足 P(X>k)=qk+1,0<q<1。相邻可能最大值之间的间距始终为一,而最大值围绕 log⁡n/|log⁡q| 的随机波动也是常数量级。整数取整误差因此不会在极限尺度下消失。

例如取 q=1/2,则 U(t)=⌈log2⁡t⌉−1。对于倍率 x=2,U(2t)−U(t)=1。无论候选形状 ξ 为何,都有 hξ(2)>0,所以判据会迫使 a(t)→1/hξ(2);但对 x=2,差值沿不同 t 子列在零和一之间变化,除以这个趋向正常数的尺度后仍不收敛。因此全序列不存在这里的非退化线性归一化极值极限;某些子列极限仍可能存在。

推论与应用

先把最大值极限改写为尾概率极限 ​

对候选 an,bn,只要 0<Gξ(x)<1,就有

F(anx+bn)n→Gξ(x)⟺nF―(anx+bn)→−log⁡Gξ(x).

这是 log⁡(1−p)=−p+o(p) 的直接结果。最大值问题于是变成:某个移动高度的单项超越概率,乘样本量后是否稳定。

广义逆怎样把尾高度反过来 ​

记 Q(p)=inf{z:F(z)≥p}。对 0<p<1,右连续性给 F(Q(p))≥p;若 z<Q(p) 则 F(z)<p,若 z>Q(p) 则 F(z)≥p。证明只使用这些不等式,不假设 F(Q(p))=p,也不假设有密度或严格递增。

在 GEV 支持内部,尾极限函数

Vξ(y)=(1+ξy)−1/ξ,V0(y)=e−y,Vξ(hξ(r))=1/r

连续且严格递减。先假定存在最大值归一化。对固定 r>0,在 hξ(r) 两侧取足够小的 ε;两处移动高度的极限尾强度分别大于和小于 1/r,广义逆不等式便把 U(nr) 夹在这两个高度之间。于是

U(nr)−bnan⟶hξ(r).

取 r=1 得 U(n)−bn=o(an),相减后就是整数基准下的分位增量判据。单调性也使它对任意 rn→r>0 成立:先将 rn 夹在固定的 r−ε,r+ε 之间,再令 ε↓0。对一般实数 t→∞,置 n=⌊t⌋、a(t)=an;此时 t/n→1,tx/n→x,所以

U(tx)−U(t)a(t)⟶hξ(x)

对所有固定 x>0 成立。这里从完整序列得到的是实参数判据,而非只沿整数子列的结论。

反过来,假设这个判据成立。对内部高度 y,取 r−<r+ 使 hξ(r−)<y<hξ(r+)。充分大 n 时,

U(nr−)<U(n)+a(n)y<U(nr+),

从而

1r+<nF―(U(n)+a(n)y)≤1r−.

令两个倍率趋向 hξ−1(y),得到尾强度 Vξ(y),再由前面的对数等价式取得最大值极限,归一化可选 bn=U(n)。支持端点及外部由单调性和连续的目标 CDF 补齐。同一夹逼将 n 换为实数 t 也成立,因而还得到

tF―(U(t)+a(t)y)⟶Vξ(y).

这一步将用于任意高门槛,而不只用于分位门槛。

若原判据没有要求辅助函数可测,也不必加一个较强假设:用

a~(t)=U(2t)−U(t)hξ(2)∼a(t)

替换即可。它可测、最终为正,且保持全部判据;在初始有限区间任意取正值。以下仍将这个可测版本记为 a,以便严格使用正则变化的统一收敛与 Potter 界。

形状与端点的实质联系 ​

ξ>0 时,判据等价于 xF=∞ 且 F―∈RV−1/ξ。若 ξ<0,则等价于 xF<∞,并且 s↦F―(xF−s) 在 s↓0 正则变化,指数为 −1/ξ>0。这两种等价也需要证明。

先将分位增量在 xy 与 x 处相减,再以基准 tx 的 y 增量作分母。固定 y≠1,得到

a(tx)a(t)⟶hξ(xy)−hξ(x)hξ(y)=xξ.

所以 a∈RVξ。当 ξ>0,固定 b>1,将 U(t) 向后沿 t,t/b,t/b2,… 分段相减,直到一个固定大区间 [T,bT]。第 j 段除以 a(t) 的极限为

b−jξ1−b−ξξ.

分位增量判据先给每段大小不超过常数倍的 a(t/bj);再用指数余量小于 ξ 的 Potter 界,将这些项控制在可求和的几何级数下。最后的有界高度除以 a(t)→∞ 消失,因此逐段取极限并求和得 U(t)/a(t)→1/ξ,特别地 U∈RVξ 且端点无穷。反向若 U∈RVξ,取 a(t)=ξU(t) 立即给分位增量判据。

当 ξ<0,改向前沿 t,tb,tb2,… 相加。负指数的 Potter 界使全部增量可求和,故单调的 U 有有限极限 xF;同样的几何级数计算给

xF−U(t)a(t)⟶−1ξ.

所以端点缺口 w(t)=xF−U(t) 属于 RVξ。反过来,若该缺口正则变化,取 a(t)=−ξw(t)>0 即得原判据。

最后将分位的正则变化反演成尾的正则变化,仍不能形式求逆。以正形状为例,对大高度 z 置 t=1/F―(z),则对任意固定 ε>0,

U(t)≤z<U(t(1+ε)).

故 z/U(t)→1。对固定 c>0,取 r−<c1/ξ<r+,使 U(tr−)<cz<U(tr+) 最终成立;广义逆将 F―(cz)/F―(z) 夹在 1/r+ 与 1/r− 之间,得到 c−1/ξ。从尾到分位的反向也用这两个严格高度夹逼。负形状时,对 z=xF−s 使用同一不等式,改写为 w(t)≥s>w(t(1+ε)),故 s/w(t)→1;反演得到 F―(xF−cs)/F―(xF−s)→c−1/ξ,反向同理。这样两种符号的必要与充分条件都包括了跳跃分布;有限端点处的正原子则不满足这些非退化条件。

ξ=0 的范围更广。比如在 0≤y<1 上设尾函数 F―(y)=exp⁡[−y/(1−y)],则

U(t)=log⁡t1+log⁡t,a(t)=1(1+log⁡t)2.

直接相减可得归一化分位增量趋于 log⁡x。它有有限右端点一,却属于 Gumbel 吸引域。端点是否有限,不能单独判定全部三种类型。

这些条件也为高阈值超额定理提供入口:最大值的形状与条件超额的形状由同一套尾分位规律决定。

参考资料
  • Richard L. Smith and Ishay Weissman, 《Extreme Values》,§2.1 的 Theorem 2.2、§2.2.7 的离散边界及 §2.3 的 (2.30)–(2.31)、Theorem 2.3。讲义省略若干必要性与反演证明,本页以广义逆和几何分段补全。所读 p.41 的 Theorem 2.3 显示式漏了外层 exp⁡(−⋅),其后一段的极限变量也应为 t→∞;正文采用正确的 GEV CDF 与实参数极限。
关系图谱13 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系