2

極値分析（リターンレベルの計算）を実行するために使用している風データがあります。パッケージ「evd」、「extRemes」、「ismev」でRを使用しています。

ある期間Tのリターンレベル（RL）を推定するために、GEV、ガンベル、ワイブル分布を近似しています。GEV
とガンベルの場合、extRemes :: return.level（）を使用してRLと信頼区間を取得できます。働き。

いくつかのコード：

require(ismev)
require(MASS)

data(wind)
x = wind[, 2]
rperiod = 10

fit <- fitdistr(x, 'weibull')
s <- fit$estimate['shape']
b <- fit$estimate['scale']

rlevel <- qweibull(1 - 1/rperiod, shape = s, scale = b)

## CI around rlevel
## ci.rlevel = ??

しかし、ワイブルの場合、CIを生成するためにいくつかの助けが必要です。

4

1 に答える 1

2

非常に正しい答えは、関節の信頼領域が楕円または曲がったソーセージの形状であると思われますが、vcov関数を使用してフィットオブジェクトからパラメーターの分散推定値を抽出し、+/-1.96SEの標準誤差を作成できます。有益である必要があります：

> sqrt(vcov(fit)["shape", "shape"])
[1] 0.691422
> sqrt(vcov(fit)["scale", "scale"])
[1] 1.371256

> s +c(-1,1)*sqrt(vcov(fit)["shape", "shape"])
[1] 6.162104 7.544948
> b +c(-1,1)*sqrt(vcov(fit)["scale", "scale"])
[1] 54.46597 57.20848

単一パラメーターのCIを計算する通常の方法は、正規分布を想定し、theta +/- 1.96 * SE（theta）を使用することです。この場合、2つのパラメーターがあるため、両方のパラメーターを使用して、間隔の2Dアナログである「ボックス」を作成します。真に正しい答えは、「スケール」ごとのパラメータ空間ではより複雑なものであり、私が持っているよりも理論をよく理解していない限り、シミュレーション方法で最も簡単に達成できる可能性があります。

于 2013-03-26T16:44:01.847 に答える