论文部分内容阅读
在估计极值指数时，首先要确定门限值，就是对所观测到的样本值的次序统计量进行有效分割.如何确定门限值一直是困扰极值工作者的一个难题.在本文中，我们从另外一个角度给出了一种门限值的选取方法.众所周知，要得出极值指数的较好的估计，用于分析的数据应含有尽可能多的关于极值指数的信息，因此基于判别信息和Shannon熵的理论，本文研究了门限值与次序统计量的熵的关系，给出了广义帕累托模型下门限值和样本点分割的选取原理和方法.并针对广义帕累托分布进行模拟，得到了理想的结果.