Unsupervised threshold determination for hybrid models

Abstract : A hybrid Gauss-Pareto model is considered for asymmetric heavy tailed data. The paper presents an unsupervised itera- tive algorithm to find successively the parameters of the Gaus- sian density and that of the Generalized Pareto distribution (GPD) with a continuity constrain on the hybrid density and its derivative at the junction point. Simulation results show that the proposed iterative algorithm provides reliable posi- tion for the junction point as well as an accurate estimation of the GPD parameters, compared to state of the art methods. Furthermore, a great advantage of the proposed method is that it can be adapted to any hybrid model.
Type de document :
Rapport
[Research Report] Université de Reims Champagne Ardenne URCA. 2013
Liste complète des métadonnées

Littérature citée [21 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01367584
Contributeur : Mamadou Mboup <>
Soumis le : vendredi 16 septembre 2016 - 13:59:09
Dernière modification le : vendredi 8 décembre 2017 - 01:01:32
Document(s) archivé(s) le : samedi 17 décembre 2016 - 15:03:29

Fichier

unsupervised_hybrid_2013.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01367584, version 1

Collections

Citation

Nehla Debbabi, Marie Kratz, Mamadou Mboup. Unsupervised threshold determination for hybrid models. [Research Report] Université de Reims Champagne Ardenne URCA. 2013. 〈hal-01367584〉

Partager

Métriques

Consultations de la notice

36

Téléchargements de fichiers

31