Buchumschlag

A new mixture model for spatiotemporal exceedances with flexible tail dependence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Ryan, Hector, Emily C., Reich, Brian J., Majumder, Reetam
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Deep Learning Synthetic Likelihood Approximation of a Non-stationary Spatial Model for Extreme Streamflow Forecasting
von: Majumder, Reetam, et al.
Veröffentlicht: (2022)

Semi-parametric bulk and tail regression using spline-based neural networks
von: Majumder, Reetam, et al.
Veröffentlicht: (2025)

Modeling Extremal Streamflow using Deep Learning Approximations and a Flexible Spatial Process
von: Majumder, Reetam, et al.
Veröffentlicht: (2022)

Causal Spatial Quantile Regression
von: Gong, Yan, et al.
Veröffentlicht: (2025)

Semiparametric Estimation of the Shape of the Limiting Bivariate Point Cloud
von: Majumder, Reetam, et al.
Veröffentlicht: (2023)

Stochastic Gradient MCMC for Massive Geostatistical Data
von: Abba, Mohamed A., et al.
Veröffentlicht: (2024)

Amortized Bayesian Local Interpolation NetworK: Fast covariance parameter estimation for Gaussian Processes
von: Feng, Brandon R., et al.
Veröffentlicht: (2024)

Gaussian mixture copulas for flexible dependence modelling in the body and tails of joint distributions
von: André, Lídia M., et al.
Veröffentlicht: (2025)

Distributed model building and recursive integration for big spatial data modeling
von: Hector, Emily C., et al.
Veröffentlicht: (2023)

Optimal Stock Portfolio Selection with a Multivariate Hidden Markov Model
von: Majumder, Reetam, et al.
Veröffentlicht: (2024)

When are novel methods for analyzing complex chemical mixtures in epidemiology beneficial?
von: Wiecha, Nate, et al.
Veröffentlicht: (2025)

Estimating Covariate Effects on Functional Connectivity using Voxel-Level fMRI Data
von: Zhao, Wei, et al.
Veröffentlicht: (2025)

Geometric criteria for identifying extremal dependence and flexible modeling via additive mixtures
von: Lee, Jeongjin, et al.
Veröffentlicht: (2025)

Deep Learning of Multivariate Extremes via a Geometric Representation
von: Murphy-Barltrop, Callum J. R., et al.
Veröffentlicht: (2024)

Valid model-free spatial prediction
von: Mao, Huiying, et al.
Veröffentlicht: (2020)

Spatial Extremes at Scale: A Case Study of Surface Skin Temperature and Heat Risk in the United States
von: Lee, Ben Seiyon, et al.
Veröffentlicht: (2026)

Density correction for multivariate spatial fields of global climate model output using deep learning
von: Majumder, Reetam, et al.
Veröffentlicht: (2024)

Multivariate and Online Transfer Learning with Uncertainty Quantification
von: Hickey, Jimmy, et al.
Veröffentlicht: (2024)

A tree perspective on stick-breaking models in covariate-dependent mixtures
von: Horiguchi, Akira, et al.
Veröffentlicht: (2022)

Modeling and estimating skewed and heavy-tailed populations via unsupervised mixture models
von: Bee, Marco, et al.
Veröffentlicht: (2025)

A new block covariance regression model and inferential framework for massively large neuroimaging data
von: Kim, Hyoshin, et al.
Veröffentlicht: (2025)

Modelling heavy tail data with bayesian nonparametric mixtures
von: Nieto-Barajas, Luis E.
Veröffentlicht: (2026)

A nonstationary spatial model of PM2.5 with localized transfer learning from numerical model output
von: Gong, Wenlong, et al.
Veröffentlicht: (2025)

A new class of composite GBII regression models with varying threshold for modelling heavy-tailed data
von: Li, Zhengxiao, et al.
Veröffentlicht: (2022)

Turning the information-sharing dial: efficient inference from different data sources
von: Hector, Emily C., et al.
Veröffentlicht: (2022)

Divide-and-conquer with finite sample sizes: valid and efficient possibilistic inference
von: Hector, Emily C., et al.
Veröffentlicht: (2025)

Trends in tail dependence of heteroscedastic extremes
von: Einmahl, John H. J., et al.
Veröffentlicht: (2026)

Spatial scale-aware tail dependence modeling for high-dimensional spatial extremes
von: Shi, Muyang, et al.
Veröffentlicht: (2024)

Finite mixture copulas for modeling dependence in longitudinal count data
von: Chattopadhyay, Subhajit
Veröffentlicht: (2024)

Simulation-based assessment of a Bayesian survival model with flexible baseline hazard and time-dependent effects
von: Timmins, Iain R., et al.
Veröffentlicht: (2025)

Multivariate temporal dependence via mixtures of rotated copulas
von: Pan, Ruyi, et al.
Veröffentlicht: (2024)

Bayesian estimation of clustered dependence structures in functional neuroconnectivity
von: Kim, Hyoshin, et al.
Veröffentlicht: (2023)

Spatial Causal Tensor Completion for Multiple Exposures and Outcomes: An Application to the Health Effects of PFAS Pollution
von: Zhou, Xiaodan, et al.
Veröffentlicht: (2026)

Clustering of multivariate tail dependence using conditional methods
von: O'Toole, Patrick, et al.
Veröffentlicht: (2025)

A joint spatiotemporal model for multiple longitudinal markers and competing events
von: Ortholand, Juliette, et al.
Veröffentlicht: (2025)

A Bayesian shrinkage estimator for transfer learning
von: Abba, Mohamed A., et al.
Veröffentlicht: (2024)

Bayesian mixture modeling using a mixture of finite mixtures with normalized inverse Gaussian weights
von: Iwashige, Fumiya, et al.
Veröffentlicht: (2025)

Identifying Brexit voting patterns in the British House of Commons: an analysis based on Bayesian mixture models with flexible concomitant covariate effects
von: Berrettini, Marco, et al.
Veröffentlicht: (2021)

Simultaneously detecting spatiotemporal changes with penalized Poisson regression models
von: Zhang, Zerui, et al.
Veröffentlicht: (2024)

The R2D2 Prior for Generalized Linear Mixed Models
von: Yanchenko, Eric, et al.
Veröffentlicht: (2021)