Statistiques des valeurs extrêmes dans le cas de lois discrètes
Abstract
We propose a method to generate a warning system for the early detection of time clusters in discrete time series. Two approaches are developed, one using an approximation of the return period of an extreme event, independently of the nature of the data, the other using an estimation of the return period via standard EVT tools after a smoothing of our discrete data into continuous ones. This method allows us to define a surveillance and prediction system which is applied to finance and public health surveillance.
Nous proposons une méthode basée sur la notion de quantiles extrêmes pour générer un système d'alertes pour la détection de clusters temporels d'extrêmes dans une série chronologique. A cette fin, nous développons deux approches, l'une utilisant une approximation du temps de retour d'un événement extrême, quelle que soit la nature des données, et l'autre basée sur la théorie classique des valeurs extrêmes après lissage des données discrètes en données continues. Cette méthode permet ainsi de définir un système de surveillance et de prévision. Une illustration en est proposée dans le cadre de la prévision pour des applications en finance ainsi que pour la mise en place d'un système de surveillance en épidémiologie sur données réelles.
Keywords
applications in insurance and finance
epidemiology
ExtremeValue Theory
extreme quantile
outbreak detection
temps de retour
Théorie des Valeurs Extrêmes
surveillance
return period
applications en assurance et finance
clusters
détection d'événements extrêmes
épidémiologie
niveau de retour
quantiles extrêmes
return level
Domains
Methodology [stat.ME]
Origin : Explicit agreement for this submission
Loading...