Het is wel interessant om te zien dat halverwege de vorige eeuw de fit stijler liep, bijna vergelijkbaar met wat het vandaag de dag is, alleen wel met een grotere onzekerheid vanwege de minder hoge extremen.
Ja dat viel mij ook op. Ik weet niet of dat echt wat significants is of dat het gewoon komt doordat de fit zo extreem gevoelig is voor de gebeurtenis met de grootste herhalingstijd.
In hoeverre de curve afvlakt wordt bepaald door die letter xi in vergelijking 2 in dit document:
https://www.jstatsoft.org/article/view/v072i08/v72i08.pdf. De GEV fit heeft 3 parameters dus er is een groter risico voor overfitten van het model. Ik ben vanuit mijn werk gewend een Gumbel-distributie te gebruiken (xi=0), dus dan heb je maar twee parameters en wordt de fit een rechte lijn. Maar in mijn werk gaat het over extreme windsnelheden in plaats van extreme temperaturen. Ik weet niet of er een theoretische reden is dat een GEV distrbutie voor temperaturen beter is dan een Gumbel. Volgens mij worden die onzekerheidsintervallen afgeleid uit de fit van de distributie, maar kan het ook niet vinden in de documentatie.