Recientemente, la superficie de hielo marino está disminuyendo rápidamente debido al calentamiento global, y dado que el hielo marino del Ártico tiene un gran impacto en el cambio climático, el interés en esto está aumentando mucho en todo el mundo. De hecho, la superficie de hielo marino alcanzó un mínimo histórico en septiembre de 2012 después de que comenzaran las observaciones por satélite a finales de 1979. Además, a principios de 2018, el glaciar en la costa norte de Groenlandia comenzó a colapsar. Si estamos interesados en los valores récord de la superficie de hielo marino, modelar las relaciones de estos valores y predecir futuros valores récord puede ser un tema muy importante porque los valores récord que consisten en valores mayores o menores que las observaciones anteriores están muy relacionados entre sí. La relación entre los valores récord puede modelarse en función de la cantidad pivote y las cópulas de vid y dibujables canónicas, y la relación se llama estructura de dependencia. Además, las predicciones para futuros valores récord pueden resolverse de manera muy concisa en función de la cantidad pivote. Para lograrlo, este artículo propone un enfoque para modelar la estructura de dependencia entre los valores récord basada en la vid canónica y dibujable. Para hacer esto, primero se deben estimar los parámetros desconocidos de una distribución de probabilidad, y se proporciona el método basado en la cantidad pivote. En la estimación basada en la cantidad pivote, se propone un nuevo algoritmo para tratar con un parámetro de molestia. Este método permite reducir la complejidad computacional al construir intervalos de confianza exactos de funciones con parámetros desconocidos. Este método no solo reduce la complejidad computacional al construir intervalos de confianza exactos de funciones con parámetros desconocidos, sino que también es muy útil para obtener los datos replicados necesarios para modelar la estructura de dependencia basada en la vid canónica y dibujable. Además, se proponen métodos de predicción para futuros valores récord con la cantidad pivote, y los comparamos con un método de pronóstico de series temporales en el análisis de datos reales. La validez de los métodos propuestos fue examinada a través de simulaciones de Monte Carlo y análisis de datos de hielo marino del Ártico.