Sjældne begivenheder

Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 5. oktober 2020; checks kræver 5 redigeringer .

Sjældne hændelser  er hændelser, der forekommer med lav frekvens, eller hypotetiske hændelser, som har en potentielt udbredt indvirkning og kan destabilisere et samfund [1] . Sjældne hændelser omfatter naturfænomener (større jordskælv , tsunamier , orkaner , oversvømmelser, asteroidepåvirkninger, soludbrud osv.), menneskeskabte farer (krig og relaterede former for voldelig konflikt, terrorangreb, industriulykker, finans- og råvaremarkeder osv.) , samt fænomener, hvor naturlige og menneskeskabte faktorer interagerer på komplekse måder (spredning af epidemiske sygdomme, klimaændringer forbundet med klimaopvarmning osv.).

Introduktion

Sjældne hændelser er diskrete hændelser, der er statistisk "usandsynlige", idet de meget sjældent observeres. Selvom det er statistisk usandsynligt, kan sådanne begivenheder være plausible, hvis historiske eksempler på sådanne begivenheder er blevet dokumenteret [2] . Faglig og populær analyse af sjældne begivenheder fokuserer ofte på de begivenheder, hvorfra det er rimeligt at forvente en væsentlig negativ indvirkning på samfundet, herunder økonomiske konsekvenser [3] og tab af menneskeliv [4] . Eksempler på sådanne hændelser ville være et jordskælv med en Richterstyrke på 8,0+, en nuklear hændelse, der dræber tusindvis af mennesker, eller en ændring på 10 %+ natten over i værdien af ​​et aktiemarkedsindeks [5] [6] [7] .

Modellering og analyse

Rare Event Modeling (REM) - forsøg på at karakterisere parametrene for den statistiske fordeling , forekomsten og dynamikken af ​​statistisk sjældne hændelser.

Relevante datasæt tilgængelige

Se også

Noter

  1. ↑ King, G., Zeng, L. Logistisk regression i data om sjældne hændelser . Politisk analyse , 9(2), 2001, 137-63.
  2. ↑ Morio, J., Balesdent, M. (2015). Estimering af sjældne hændelsessandsynligheder i komplekse rumfarts- og andre systemer . Elsevier Videnskab. http://store.elsevier.com/product.jsp?isbn=9780081000915&pagename=search Arkiveret 4. marts 2016 på Wayback Machine
  3. ↑ Sanders, D. (2002). Håndtering af tab som følge af ekstreme begivenheder. Oplæg fremlagt ved General Insurance Convention. http://www.actuaries.org.uk/research-and-resources/documents/management-losses-arising-extreme-events Arkiveret 30. september 2015 på Wayback Machine
  4. ↑ Clauset, A., & Woodard, R. (2013). Estimering af de historiske og fremtidige sandsynligheder for store terrorbegivenheder. Annals of Applied Statistics , 7 (4), 1838-1865. doi:10.1214/12-AOAS614. https://arxiv.org/abs/1209.0089 Arkiveret 10. september 2018 på Wayback Machine
  5. ↑ Ghil, M., P. Yiou, S. Hallegatte, B.D. Malamud, P. Naveau, A. Soloviev, P. Friederichs, et al. (2011). Ekstreme hændelser: Dynamik, statistik og forudsigelse. Ikke-linear Processes in Geophysics , 18 (3), 295-350. doi:10.5194/npg-18-295-2011. http://www.nonlin-processes-geophys.net/18/295/2011/npg-18-295-2011.pdf Arkiveret 25. februar 2020 på Wayback Machine
  6. ↑ Sharma, AS, Bunde, A., Dimri, VP, & Baker, DN (2013). Ekstreme begivenheder og naturfarer: Kompleksitetsperspektivet . Wiley. https://books.google.com/books?id=t3F9K5clZwsC Arkiveret 24. februar 2017 på Wayback Machine
  7. ↑ Watkins, NW (2013). Bundet sorte (og grupperede grå) svaner: Dissipative og ikke-dissipative modeller af korrelerede ekstreme fluktuationer i komplekse geosystemer. Geophysical Research Letters , 40 (2), 402-10