.png){kind=icon}
返回
Post-detection inference for sequential changepoint localization
.png){kind=icon}
PRE
AI
DOI：10.1093/jrsssb/qkag069.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文探讨了序列变化点分析中的一个基本但尚未充分研究的挑战：在检测到变化后进行推断。我们提出了一种非常通用的框架，用于仅基于在任意序列检测算法宣布变化时的数据依赖停止时间之前观测到的数据，构建未知变化点的置信集。我们的框架是非参数的，对复合变化后类别、观测空间或使用的序列检测过程不作任何假设，并且是渐近有效的。我们还将其扩展以在适当假设下处理复合变化前类别，并在参数设置下推导出变化幅度的置信集。我们对置信区间的宽度提供了理论保证。大量的模拟表明，产生的集合具有合理的大小，并且略微保守的覆盖范围。总之，我们提出了第一种通用的序列变化点定位方法，该方法在理论上是严谨的，并且在实际中具有广泛的应用性。
Keyword:
sequential changepoint analysis
post-detection inference
confidence sets
data-dependent stopping time
nonparametric framework
期刊
机构
引用论文
分享收藏The state of cumulative sum sequential changepoint testing 70 years after Page70年后Page累积和顺序变点检验的状态.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏
Huber-Robust Likelihood Ratio Tests for Composite Nulls and AlternativesHuber-robust似然比检验用于复合原假设和备择假设
PREAI
分享收藏
查看更多内容