Key points are not available for this paper at this time.
일반화된 파레토 분포(GPD)는 임계값을 초과하는 사건을 모델링하는 데 사용할 수 있는 두 개의 매개변수로 구성된 분포군입니다. 매개변수의 최대 우도 추정량이 선호되는데, 이는 많은 경우 비대칭적으로 정규 분포하고 비대칭적으로 효율적이기 때문입니다. 그러나 로그 우도를 최대화하기 위해서는 수치적 방법이 필요합니다. 이 기사는 로그 우도 기울기 벡터의 제로를 찾기 위한 2차원 수치적 탐색의 축소 속성을 1차원 수치적 탐색으로 변환하는 방안을 조사합니다. 이 차원 축소와 속성을 기반으로 한 GPD 최대 우도 추정치를 계산하기 위한 알고리즘이 제공됩니다.
Scott D. Grimshaw (Sat,)가 이 질문을 연구했습니다.