Редкие события

Материал из in.wiki
Перейти к навигации Перейти к поиску
800px-T64 and pencil.jpg Это незавершённая статья.
Вы можете помочь проекту, исправив и дополнив её.

Редкие события — это события, которые происходят с низкой частотой, или гипотетические события, которые имеют потенциально широко распространенное влияние и могут дестабилизировать общество[1]. К редким событиям относятся явления природы (крупные землетрясения, цунами[2], ураганы, наводнения, астероидные удары, солнечные вспышки[3] и т. д.), антропогенные и социальные[4] опасности и катаклизмы (военные действия и связанные с ними формы насильственных конфликтов, террористические акты, промышленные аварии) события, способные дестабилизировать финансовые и товарные рынки и т. д.[5], а также явления, для которых природные и антропогенные факторы взаимодействуют сложными способами (распространение эпидемических заболеваний, изменения климата, связанные с потеплением климата и т. д.).

Введение[править | править код]

Редкие события — это дискретные события, которые статистически «невероятны» в том, что они очень редко наблюдаются. Несмотря на статистическую маловероятность, такие события могут быть правдоподобны, если исторические примеры подобных событий были задокументированы[6]. Научный и популярный анализ редких событий часто фокусируется на тех событиях, от которых разумно ожидать существенного негативного влияния на общество, в том числе экономических последствий[7] и человеческих жертв[8]. Примерами таких событий могут быть 8,0+ землетрясение магнитудой Рихтера, ядерный инцидент, который убивает тысячи людей, или 10 % + однодневное изменение стоимости индекса фондового рынка[9][10][11].

Моделирование и анализ[править | править код]

Моделирование редких событий (rare event modeling, REM) — попытки охарактеризовать параметры статистического распределения, возникновение и динамику статистически редких событий. Такое «моделирование» может включать широкий спектр подходов, включая, в первую очередь, статистические модели для анализа данных исторических событий[12][13] и компьютерные модели при помощи которых исследователи пытаются моделировать процессы и динамику редких событий[14]. REM также включает в себя усилия по прогнозированию возникновения подобных событий в течение некоторого будущего периода времени, что может представлять интерес как для научных, так и для прикладных целей (например, снижения рисков и планирования)[15]. Новые методы сбора данных можно использовать для изучения данных о редких событиях[16].

Доступные релевантные наборы данных[править | править код]

Во многих случаях редкие и катастрофические события можно рассматривать как чрезвычайные по масштабам примеры более обыденных явлений. Например, сейсмическая активность, колебания фондового рынка и акты организованного насилия происходят в континууме крайностей, причем случаи более экстремальных масштабов статистически менее часты[17]. Таким образом, вместо того, чтобы рассматривать данные о редких событиях как отдельный класс информации, данные о «редких» событиях часто существуют как подмножество данных в рамках более широкого родительского класса событий (например, набор данных о сейсмической активности может включать случаи экстремальных землетрясений, например а также данные о сейсмических событиях гораздо меньшей интенсивности). Ниже приводится список наборов данных, посвященных областям, которые представляют широкий научный и политический интерес и в которых «редкие» (крайние по масштабу) случаи могут представлять особый интерес из-за их потенциально разрушительных последствий. Описания наборов данных извлекаются с исходных веб-сайтов или поставщиков данных.

Конфликты[править | править код]

База данных о вооруженных конфликтах[18]: База данных о вооруженных конфликтах (ACD) отслеживает вооруженные конфликты по всему миру, уделяя особое внимание политическим, военным и гуманитарным тенденциям в текущих конфликтах, будь то локальные восстания, долгосрочные мятежи, гражданские войны или межгосударственные конфликты. Помимо подробной исторической подоплеки каждого конфликта, еженедельных графиков и ежемесячных обновлений, статистика, данные и отчеты в ACD датируются 1997 годом.

Проект данных о местах и событиях вооруженных конфликтов[19]: Набор данных о вооруженных конфликтах охватывает события, произошедшие в Африке с 1997 года по настоящее время. Этот набор данных включает дату события, долготу, широту и шкалу масштабов смертности.

Военизированные межгосударственные споры[20]: Набор данных «Военизированные межгосударственные споры» (MID) «предоставляет информацию о конфликтах, в которых одно или несколько государств угрожают, демонстрируют или применяют силу против одного или нескольких других государств в период с 1816 по 2010 год».


См. также[править | править код]

Примечания[править | править код]

  1. King, G., Zeng, L. Logistic regression in rare events data. Political Analysis, 9 (2), 2001 г., 137-63.
  2. Dysthe, Kristian; Krogstad, Harald E.; Müller, Peter (January 2008). "Oceanic Rogue Waves". Annual Review of Fluid Mechanics. 40 (1): 287–310. Bibcode:2008AnRFM..40..287D. doi:10.1146/annurev.fluid.40.111406.102203.
  3. Dudley, John M.; Dias, Frédéric; Erkintalo, Miro; Genty, Goëry (28 September 2014). "Instabilities, breathers and rogue waves in optics". Nature Photonics. 8 (10): 755–764. arXiv:1410.3071. Bibcode:2014NaPho...8..755D. doi:10.1038/nphoton.2014.220. S2CID 53349599.
  4. King, Gary; Zeng, Langche (2001). "Logistic Regression in Rare Events Data". Political Analysis. 9 (2): 137–163. doi:10.1093/oxfordjournals.pan.a004868.
  5. Sornette, Didier. Why stock markets crash : critical events in complex financial systems. — Princeton University Press, 2017. — ISBN 9781400885091.
  6. Morio, J., Balesdent, M. (2015). Estimation of Rare Event Probabilities in Complex Aerospace and Other Systems. Elsevier Science. http://store.elsevier.com/product.jsp?isbn=9780081000915&pagename=search Архивная копия от 4 марта 2016 на Wayback Machine
  7. Sanders, D. (2002). The management of losses arising from extreme events. Paper presented at General Insurance Convention. http://www.actuaries.org.uk/research-and-resources/documents/management-losses-arising-extreme-events Архивная копия от 30 сентября 2015 на Wayback Machine
  8. Clauset, A., & Woodard, R. (2013). Estimating the historical and future probabilities of large terrorist events. Annals of Applied Statistics,7(4),1838-1865. doi:10.1214/12-AOAS614. https://arxiv.org/abs/1209.0089 Архивная копия от 10 сентября 2018 на Wayback Machine
  9. Ghil, M., P. Yiou, S. Hallegatte, B. D. Malamud, P. Naveau, A. Soloviev, P. Friederichs, et al. (2011). Extreme events: Dynamics, statistics and prediction. Nonlinear 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 Архивная копия от 25 февраля 2020 на Wayback Machine
  10. Sharma, A. S., Bunde, A., Dimri,V.P., & Baker,D.N. (2013). Extreme events and natural hazards: The complexity perspective. Wiley. https://books.google.com/books?id=t3F9K5clZwsC Архивная копия от 24 февраля 2017 на Wayback Machine
  11. Watkins, N. W. (2013). Bunched black (and grouped grey) swans: Dissipative and non-dissipative models of correlated extreme fluctuations in complex geosystems. Geophysical Research Letters, 40(2), 402-10
  12. King, Gary; Zeng, Langche (2001). "Logistic Regression in Rare Events Data". Political Analysis. 9 (2): 137–163. doi:10.1093/oxfordjournals.pan.a004868. ISSN 1047-1987. JSTOR 25791637.
  13. King, Gary; Zeng, Langche (2001). "Explaining Rare Events in International Relations". International Organization. 55 (3): 693–715. doi:10.1162/00208180152507597. ISSN 0020-8183. JSTOR 3078661. S2CID 17865688.
  14. Klüppelberg, Claudia. Modelling Extremal Events. — 1997. — ISBN 978-3-642-08242-9. — doi:10.1007/978-3-642-33483-2.
  15. Goodwin, Paul; Wright, George (2010). "The limits of forecasting methods in anticipating rare events" (PDF). Technological Forecasting and Social Change. 77 (3): 355–368. doi:10.1016/j.techfore.2009.10.008.
  16. King, Gary; Zeng, Langche (2002-05-30). "Estimating risk and rate levels, ratios and differences in case-control studies". Statistics in Medicine (англ.). 21 (10): 1409–1427. doi:10.1002/sim.1032. ISSN 0277-6715. PMID 12185893. S2CID 11387977.
  17. Clauset, Aaron; Shalizi, Cosma Rohilla; Newman, M. E. J. (2009). "Power-Law Distributions in Empirical Data". SIAM Review. 51 (4): 661–703. arXiv:0706.1062. Bibcode:2009SIAMR..51..661C. doi:10.1137/070710111. S2CID 9155618.
  18. https://acd.iiss.org/
  19. http://www.acleddata.com/data/
  20. https://web.archive.org/web/20141219135756/http://www.correlatesofwar.org/COW2%20Data/MIDs/MID40.html