Il Sample Quantile Criterion è stato recentemente proposto nell’ambito del problema di scelta della distribuzione di probabilità da adottare per rappresentare il comportamento in probabilità delle portate di piena con elevato tempo di ritorno. Tale criterio è stato sviluppato con il duplice obiettivo di poter confrontare modelli stimati a partire da campioni differenti e di poter utilizzare ai fini della scelta solamente gli elementi del campione ritenuti rilevanti ai fini della stima. Nel presente lavoro viene valutata l’efficienza del Sample Quantile Criterion nell’identificare la distribuzione originaria dei campioni, tramite simulazioni numeriche Monte Carlo. Il Sample Quantile Criterion viene quindi confrontato con alcuni criteri di selezione dei modelli già noti in letteratura, l’Akaike Information Criterion, il Bayesian Information Criterion e l’Anderson-Darling Criterion. L’analisi svolta evidenza la capacità del criterio di tenere conto dell’accuratezza e dell’incertezza della stima.
Volpi, E., DI LAZZARO, M., Calenda, G. (2010). Sample Quantile Criterion: un criterio per la selezione dei modelli probabilstici. In XXXII Convegno di idraulica e costruzioni idrauliche.
Sample Quantile Criterion: un criterio per la selezione dei modelli probabilstici
DI LAZZARO, MICHELE;
2010-01-01
Abstract
Il Sample Quantile Criterion è stato recentemente proposto nell’ambito del problema di scelta della distribuzione di probabilità da adottare per rappresentare il comportamento in probabilità delle portate di piena con elevato tempo di ritorno. Tale criterio è stato sviluppato con il duplice obiettivo di poter confrontare modelli stimati a partire da campioni differenti e di poter utilizzare ai fini della scelta solamente gli elementi del campione ritenuti rilevanti ai fini della stima. Nel presente lavoro viene valutata l’efficienza del Sample Quantile Criterion nell’identificare la distribuzione originaria dei campioni, tramite simulazioni numeriche Monte Carlo. Il Sample Quantile Criterion viene quindi confrontato con alcuni criteri di selezione dei modelli già noti in letteratura, l’Akaike Information Criterion, il Bayesian Information Criterion e l’Anderson-Darling Criterion. L’analisi svolta evidenza la capacità del criterio di tenere conto dell’accuratezza e dell’incertezza della stima.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
