×
克劳迪娅·柯奇;雷克鲁姆，克斯汀

基于通用移动和方法的时间序列数据分割。 （英语） Zbl 07842253号

Ann.Inst.Stat.数学。 76，第3号，393-421（2024）.
小结：我们在基于估计方程的一般框架中考虑了多变化点问题。这扩展了经典的基于样本均值的方法，包括稳健的方法，也包括不同类型的变化，例如线性回归的变化或包括泊松自回归时间序列在内的计数数据的变化。在这个框架中，我们导出了一个通用理论，证明了变化点数量的一致性和变化点位置估计的收敛速度。更准确地说，我们考虑了两种不同类型的MOSUM（移动和）统计：基于局部估计值差异的MOSUM-Wald统计和基于全局检验参数的MOSUM-score统计。后者通常在计算上较少涉及，特别是在非线性问题中，因为不知道估计量的闭合形式，所以需要使用数值方法。最后，我们通过一些模拟以及使用地球物理测井数据对该方法进行了评估。

MSC公司：

62至XX 统计

关键词：

多个更改点;\（M\）-估计量;估计函数;稳健统计;泊松自回归;线性回归;中值的

软件：

莫斯;工作分解结构
PDF格式BibTeX公司 XML格式引用
\textit{C.Kirch}和\textit{K.Reckruehm}，《Ann.Inst.Stat.Math》。76，编号3，393--421（2024；Zbl 07842253）
全文： DOI程序 arXiv公司

参考文献：

[1] Adams，R.P.，MacKay，D.J.（2007年）。贝叶斯在线变化点检测。arXiv预打印arXiv:0710.3742。
[2] 阿加瓦尔，R。；Inclan，C。；Leal，R.，《新兴股票市场的波动性》，《金融与定量分析杂志》，34，1，33-551999年·doi:10.2307/2676245
[3] Aue，A。；Horváth，L.，时间序列中的结构突变，时间序列分析杂志，34，1，1-162013·Zbl 1274.62553号 ·文件编号：10.1111/j.1467-9892.2012.00819.x
[4] Baranowski，R。；陈，Y。；Fryzlewicz，P.，多个变化点和变化点样特征的Narrowest超阈值检测，英国皇家统计学会杂志，B辑，81649-6722019·Zbl 1420.62157号 ·doi:10.1111/rssb.12322
[5] Bauer，P.、Hackl，P.（1980）。质量控制的mosum技术的扩展。技术计量学，22（1），1-7·Zbl 0429.62073号
[6] Braun，J.V.、Braun、R.K.、Müller，H.G.（2000）。通过拟似然进行多变化点拟合，并将其应用于dna序列分割。Biometrika，87（2），301-314·Zbl 0963.62067号
[7] 陈，J。；阿拉斯加州古普塔，《参数统计变化点分析：应用于遗传学、医学和金融》，2012年，波士顿：斯普林格科学与商业媒体，波士顿·Zbl 1273.62016年 ·doi:10.1007/978-0-8176-4801-5
[8] Cho，H.，Kirch，C.（2021年）。数据分割算法：单变量均值变化及以上。计量经济学和统计学。doi:10.1016/j.ecosta.2021.10.008
[9] Cho，H.，Kirch，C.（2022年）。两阶段数据分割允许多尺度变化点、重尾和相关性。统计数学研究所年鉴，74653-684·Zbl 1497.62230号
[10] Chu，C.-S.J.、Hornik，K.、Kaun，C.-M.（1995）。参数恒定性的Mosum试验。生物特征82（3），603-617·Zbl 0830.62079号
[11] Cörgö，M。；Horváth，L.，变点分析中的极限定理，1997，Hoboken:John Wiley&Sons Inc，Hoboke·Zbl 0884.62023号
[12] 艾辛格，B。；Kirch，C.，《估计多个随机变化点的最大程序》，Bernoulli，24,1526-5642018·Zbl 1388.62251号 ·doi:10.3150/16-BEJ887
[13] Fearnhead，P.，《多变化点问题的精确有效贝叶斯推断》，统计与计算，16，2，203-213，2006·doi:10.1007/s11222-006-8450-8
[14] 费恩黑德，P.，克利福德，P.（2003）。基于粒子滤波的隐马尔可夫模型在线推理。英国皇家统计学会杂志：B辑（统计方法），65（4），887-899·Zbl 1059.62098号
[15] 费恩黑德，P。；Rigaill，G.，存在离群值时的变化点检测，美国统计协会杂志，114，525，169-1832019·Zbl 1478.62238号 ·doi:10.1080/01621459.2017.1385466
[16] Fearnhead，P.，Rigaill，G.（2020年）。关联和比较检测平均值变化的方法。统计，e291。
[17] Fryzlewicz，P.，用于多变化点检测的野生二进制分割，《统计年鉴》，42，6，2243-2281，2014·Zbl 1302.62075号 ·doi:10.1214/14-AOS1245
[18] Fryzlewicz，P.，《检测可能的频繁变化点：野生二进制分割2和最速下降模型选择》，《韩国统计学会杂志》，49,1-442020年
[19] Fryzlewicz，P.（2023年）。最狭义追求：线性模型中多个变化点的推断。美国统计协会杂志，1-14。
[20] 何旭、邵庆明（1996）。m-估计量的一般bahadur表示及其在非随机设计线性回归中的应用。《统计年鉴》，24（6），2608-2630·Zbl 0867.62012年
[21] Horváth，L。；Rice，G.，《变化点分析中一些经典方法的扩展》，Test，23，2，219-255，2014年·Zbl 1305.62310号 ·doi:10.1007/s11749-014-0368-4
[22] Hušková，M.，稳健mosum的渐近性，卡罗莱纳大学数学评论，31，2345-351990·Zbl 0725.62063号
[23] Hušková，M.，稳健变化点分析，稳健与复杂数据结构，171-1902013，柏林：施普林格出版社，柏林·doi:10.1007/978-3642-35494-6_11
[24] 胡什科娃，M。；Slabỳ，A.，多重变化的置换测试，Kybernetika，37，5，605-6222001·Zbl 1264.62038号
[25] 基利克，R。；爱荷华州埃克利；Ewans，K。；Jonathan，P.，使用变化点分析检测海洋学时间序列方差的变化，海洋工程，371120-11262010·doi:10.1016/j.oceaneng.2010.04.009
[26] 基利克，R。；费恩黑德，P。；埃克利，IA，用线性计算成本优化检测变化点，美国统计协会杂志，1075001590-15982012·Zbl 1258.62091号 ·doi:10.1080/01621459.2012.737745
[27] 柯奇，C。；Kamgaing，JT，非线性自回归模型中参数稳定性的测试，时间序列分析杂志，33，3，365-385，2012·Zbl 1301.62088号 ·doi:10.1111/j.1467-9892.2011.00764.x
[28] 柯奇，C。；Kamgaing，JT，《关于在监测变化点时间序列中使用估计函数》，《统计规划与推断杂志》，161，25-492015年·Zbl 1311.62122号 ·doi:10.1016/j.jspi.2014.12.009
[29] 柯奇，C。；Tadjuidje Kamgaing，J。；Davis，RA；霍兰，SH；伦德，R。；Ravishanker，N.，《离散值时间序列中变化点的检测》，《离散价值时间序列手册》，2016年第219-244页，博卡拉顿：CRC出版社，博卡拉顿
[30] 柯奇，C。；Klein，P.，基于不变性的随机过程的移动和数据分割，统计Sinica，33，1-202023·Zbl 07763180号 ·doi:10.5705/ss.202021.0048
[31] 柯奇，C。；Weber，S.，基于估计函数的修正序列变化点程序，《电子统计杂志》，12，1579-16132018·Zbl 1392.62241号 ·doi:10.1214/18-EJS1431
[32] Knoblauch，J.、Jewson，J.E.、Damoulas，T.（2018）。具有（β）-发散的非平稳流数据的双稳健贝叶斯推断。神经信息处理系统进展，31。
[33] Korkas，K.K.，Fryzlewicz，P.（2017）。使用野生二进制分割的非平稳时间序列的多变化点检测。中国统计，27（1），287-311·Zbl 1356.62143号
[34] 李，M。；Yu，Y.，对抗稳健变化点检测，神经信息处理系统进展，3422955-229672021
[35] Meier，A。；Cho，H。；Kirch，C.，mosum:变化点分析中移动和的包，《统计软件杂志》，97，1-42，2021·doi:10.18637/jss.v097.i08
[36] Messer，M.，《双变量变化点检测：期望和方差变化的联合检测》，《斯堪的纳维亚统计杂志》，49，2，886-9162022·Zbl 1496.62145号 ·doi:10.1111/sjos.12547
[37] Messer，M.、Kirchner，M.，Schiemann，J.、Roeper，J.，Neininger，R.、Schneider，G.（2014）。用于检测具有不同方差的更新过程中的速率变化的多过滤器测试。应用统计年鉴，8（4），2027-2067·Zbl 1454.62365号
[38] Mohammad-Djafari，A.，Féron，O.（2006年）。时间序列中变化点检测的贝叶斯方法。国际成像系统与技术杂志，16（5），215-221。
[39] Page，ES，连续检查计划，Biometrika，41，100-1151954·Zbl 0056.38002号 ·doi:10.1093/biomet/41.1-2.100
[40] Reckrühm，K.（2019）。估计时间序列中的多重结构突变：基于估计函数的广义mosum方法（博士论文，Otto-von-Guericke-Universiteät Magdeburg，数学系）。检索自doi:10.25673/13832
[41] Ruanaidh，J.J.O.，Fitzgerald，W.J.（1996）。应用于信号处理的数值贝叶斯方法。纽约：Springer Science&Business Media·Zbl 0871.62025号
[42] Ruggieri，E。；Antonellis，M.，《贝叶斯顺序变化点检测的精确方法》，计算统计与数据分析，9771-862016·Zbl 1468.62168号 ·doi:10.1016/j.csda.2015.11.010
[43] Tartakovsky，A.，《顺序变化检测和假设检验：一般非iid随机模型和渐近最优规则》，2019年，纽约：CRC出版社，纽约·Zbl 1430.62004号 ·doi:10.1201/9780429155017
[44] Tartakovsky，A.，Nikiforov，I.，Basseville，M.（2014）。序列分析：假设测试和变化点检测。纽约：CRC出版社。
[45] Truong，C。；Oudre，L。；Vayatis，N.，离线变化点检测方法的选择性审查，信号处理，1672020·doi:10.1016/j.sigpro.2019.107299
[46] Vostrikova，LJ，《检测多维随机过程中的无序性》，苏联数学Doklady，2455-591981年·Zbl 0487.62072号
[47] 王，D。；Yu，Y。；Rinaldo，A.，《单变量平均值变化点检测：惩罚、cusum和优化》，《电子统计杂志》，第14期，1917-19612020页·兹比尔1442.62097 ·doi:10.1214/20-EJS1710
[48] Wyse，J。；弗里尔，N。；Rue，H.，段内依赖的多变化点模型的近似无模拟贝叶斯推断，贝叶斯分析，6，4，501-5282011·Zbl 1330.62160号 ·doi:10.1214/11-BA620
[49] 姚，CY；Zhao，Z.，通过似然比扫描统计推断时间序列中的多个变化点，英国皇家统计学会杂志：B辑（统计方法），78，4，895-9162016·Zbl 1414.62386号 ·doi:10.1111/rssb.12139
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。