广义帕累托分布

专业知识 · 20-Knowledge/极值理论/广义帕累托分布.md

广义帕累托分布

概念解释

广义帕累托分布（Generalized Pareto Distribution, GPD）描述变量超过高阈值后的超额部分。它是 POT 方法 的核心模型，用来刻画“已经很极端之后，还会更极端多少”。

公式与计算

若 $Y=X-u\mid X>u$，则 GPD 分布函数为：

$$ H(y)=1-\left(1+\xi\frac{y}{\beta}\right)^{-1/\xi} $$

其中 $\beta>0$，$1+\xi y/\beta>0$。当 $\xi=0$ 时，极限为指数分布：

$$ H(y)=1-\exp(-y/\beta) $$

与其他名词的关联

• POT 方法：POT 将超阈值 excess 建模为 GPD。
• 尾部指数：$\xi$ 控制尾部厚度；$\xi>0$ 表示重尾。
• 重现水平：GPD 可外推罕见分位数。
• 广义极值分布：GPD 与 GEV 是极值理论中两条互补路线。
• ../统计推断/最大似然估计：GPD 参数常用 MLE 估计。

典型应用场景

• 保险赔付超过免赔额后的损失分布。
• 电网负荷超过安全阈值后的风险幅度。
• 模型预测误差超过容忍线后的尾部误差。

易错点

• GPD 建模的是超过阈值后的超额，不是原始变量整体。
• 参数估计对阈值敏感。
• $\xi$ 的符号决定尾部性质，解释时不能忽略。

课后习题

1. GPD 中 $\xi=0$ 时对应什么分布？
2. GPD 建模的是 $X$ 还是 $X-u\mid X>u$？
3. $\xi>0$ 通常表示什么尾部？

答案

1. 指数分布。
2. 建模超额 $X-u\mid X>u$。
3. 重尾，极端大值概率下降较慢。