You should notice that the plots in

You should notice that the plots in the top row are exactly the same as those we constructed from “first principles” in Figure 2.3. However, gev.diag also gives a “return level plot” (bottom left) and a plot of the fitted GEV density superimposed onto a histogram of the actual data. The return level plot is really just a quantile plot, but the x-axis is drawn on a logarithmic scale so as the compress the tail of the fitted GEV distribution and thus focus attention on long-period return levels, extrapolated far beyond the range of our observed data. Attached to these return level estimates at 95% confidence bounds using estimate +-1.98*se, where the standard errors have been obtained via the delta method. Superimposed are empirical quantiles for the data we are analyzing, for comparison. Both this plot, and the plot of the data with the fitted density, seem to indicate the adequacy of our fitted GEV.

ผลลัพธ์ (ไทย) 1:

คุณควรสังเกตว่า กราฟในแถวบนสุดประการเดียวกับที่เราสร้างขึ้นมาจาก "แรกหลักการในรูปที่ 2.3 อย่างไรก็ตาม gev.diag ยังให้ "คืนระดับพล็อต" (ล่างซ้าย) และพล็อตของ GEV แน่นติดตั้งซ้อนทับลงบนกราฟของข้อมูลจริง คืนระดับพล็อตแค่พล็อต quantile แต่แกนจะถูกวาดบนสเกลลอการิทึมเพื่อเป็นประคบหางของ GEV ตู้ กระจาย และเน้นความสนใจระยะยาวกลับระดับ extrapolated ไกลเกินช่วงของข้อมูลที่เราสังเกต แนบกับระดับประมาณคืนที่ขอบเขตความเชื่อมั่น 95% โดยใช้ประเมิน + -1.98 * se ที่ได้รับข้อผิดพลาดมาตรฐานผ่านวิธีการเดลต้า ซ้อนเชิงประจักษ์ quantiles สำหรับข้อมูลที่เราจะวิเคราะห์ เปรียบเทียบได้ ทั้งวงศาคณาญาติ และพล็อตของข้อมูลที่มีความหนาแน่นพอ ดูเหมือนจะเพียงพอของ GEV ของเราพอดี

ผลลัพธ์ (ไทย) 2:

คุณควรสังเกตว่าแปลงในแถวบนสุดที่มีเหมือนกับคนที่เราสร้างขึ้นมาจาก "หลักการแรก" ในรูปที่ 2.3 อย่างไรก็ตาม gev.diag ยังช่วยให้ "พล็อตผลตอบแทนที่ระดับ" (ล่างซ้าย) และพล็อตของความหนาแน่น GEV ติดตั้งทับลงบนกราฟแสดงความถี่ของข้อมูลที่เกิดขึ้นจริง พล็อตระดับผลตอบแทนที่เป็นจริงเพียงพล็อต quantile แต่แกน x จะถูกวาดในระดับลอการิทึมเพื่อให้เป็นลูกประคบหางของการกระจาย GEV ติดตั้งและทำให้มุ่งเน้นความสนใจในระดับผลตอบแทนในระยะยาวระยะเวลาประเมินไกลเกินช่วงของ ข้อมูลที่สังเกตของเรา ที่แนบมาด้วยประมาณการผลตอบแทนเ​​หล่านี้ที่ 95% ขอบเขตความเชื่อมั่นโดยใช้ประมาณการ + -1.98 * SE ที่ข้อผิดพลาดมาตรฐานได้รับผ่านทางวิธีเดลต้า ซ้อนทับเป็น quantiles เชิงประจักษ์สำหรับข้อมูลที่เรากำลังวิเคราะห์สำหรับการเปรียบเทียบ ทั้งพล็อตนี้และพล็อตของข้อมูลที่มีความหนาแน่นติดตั้งที่ดูเหมือนจะแสดงความเพียงพอของ GEV ติดตั้งของเรา

ผลลัพธ์ (ไทย) 3:

คุณควรสังเกตว่า แปลงในแถวบนสุดเป็นเหมือนที่เราสร้างจาก " หลักการแรก " ในรูปที่ 2.3 อย่างไรก็ตาม gev.diag ยังให้ " พล็อตระดับกลับ " ( ล่างซ้าย ) และพล็อตของเข็มขัด gev ซ้อนทับลงบนกราฟความหนาแน่นของข้อมูลที่เกิดขึ้นจริง ผลตอบแทนระดับแปลงเป็นเพียงควอนไทล์พล็อต แต่แกน x ที่ถูกวาดบนมาตราส่วนลอการิทึมเพื่อบีบอัดหางของเข็มขัด gev กระจายจึงเน้นความสนใจในระดับระยะเวลานานเกินคาดผลตอบแทน , ช่วงของข้อมูล . แนบเหล่านี้กลับไปที่ระดับความเชื่อมั่น 95% ใช้ประมาณขอบเขตประมาณ + - 1.98 * se ที่ข้อผิดพลาดมาตรฐานได้รับผ่านทาง Delta วิธี quantiles ซ้อนทับเป็นเชิงประจักษ์สำหรับข้อมูลที่เราจะวิเคราะห์ เปรียบเทียบ ทั้ง นี้ พล็อตและเนื้อเรื่องของข้อมูลกับเข็มขัด ความหนาแน่น ดูเหมือนจะแสดงความเพียงพอของการติดตั้ง gev .