基于部分观测过程的函数极值事件贝叶斯推断

本文解决了仅有部分观测时，分析随机过程极端事件的挑战。它提出了一种贝叶斯MCMC算法，用于推断描述极值行为的极限过程，即r-Pareto过程的参数。这种两步法有效地处理了过程的未观测部分，从而可以在数据有限的情况下对极端事件进行更现实的建模。本文的重要性在于它能够为实际应用中（通常无法获得完整过程观测）的极值分析提供一个稳健的框架。

• •解决了使用不完整数据分析极端事件的问题。
• •提出了一种用于推断的贝叶斯MCMC算法。
• •为实际场景中的极值分析提供了一个框架。