Resumen

Los eventos extremos, que suelen caracterizarse por modelos de valores extremos generalizados (GEV), pueden exhibir memoria a largo plazo, cuyo impacto necesita ser cuantificado. Se sabía que los intervalos de recurrencia extremos pueden caracterizar mejor la influencia significativa de la memoria a largo plazo que el uso del modelo GEV. Nuestros análisis estadísticos basados en conjuntos de datos de series temporales siguiendo la distribución estable de Lévy confirman que la distribución exponencial estirada puede describir un amplio espectro de comportamiento de memoria, que va desde intervalos distribuidos de manera exponencial (sin memoria) hasta aquellos distribuidos de manera de ley de potencia (con memoria fuerte o propiedad de escalamiento fractal), ampliando la evaluación previa de la función exponencial estirada utilizando datos aleatorios distribuidos de manera gaussiana/exponencial. Además, se proporciona un análisis adicional y una discusión sobre una paradoja histórica (es decir, el tiempo de espera residual tiende a aumentar con el tiempo transcurrido bajo

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Eventos extremos; Modelos de valores extremos generalizados; Memoria a largo plazo; Intervalos de recurrencia; Distribución estable de Lévy; Distribución exponencial estirada
• Keywords:Extreme events; Generalized extreme value models; Long-term memory; Recurrence intervals; Lévy stable distribution; Stretched exponential distribution