×

使用均值偏移对变化点进行数据驱动估计。 (英语) Zbl 1512.62026号

摘要:渐近线性负象限相关序列比负相关序列和混合序列更为普遍。基于ALNQD误差,在一般条件下研究了均值变点的CUSUM估计。我们得到了CUSUM估计的一个极限分布,可以用来判断平均变点的存在性。同时,建立了变点CUSUM估计的弱收敛速度和强收敛速度。此外,给出了一种数据驱动的多变化点检测算法,其性能优于拉索算法。最后,多变化点检测仿真和实际数据分析表明了我们结果的准确性。

理学硕士:

62E20型 统计学中的渐近分布理论
2012年12月62日 参数估计量的渐近性质
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Antoch,J。;胡什科娃,M。;Veraverbeke,N.,变点问题和引导,非参数统计杂志,5,2,123-144(1995)·Zbl 0857.62029号
[2] Bai,J.,线性过程偏移的最小二乘估计,时间序列分析杂志,15,453-472(1994)·Zbl 0808.62079号
[3] Bai,J.,面板数据均值和方差的常见突变,《计量经济学杂志》,157,78-92(2010)·Zbl 1431.62353号
[4] 鲍姆,LE;Katz,M.,《大数定律中的收敛速度》,《美国数学学会学报》,第120期,第108-123页(1965年)·Zbl 0142.14802号
[5] Bradley,RC,关于弱相依随机场的谱密度和渐近正态性,理论概率杂志,5,355-373(1992)·Zbl 0787.60059号
[6] 布林斯基,A。;Shaskin,A.,相关随机场和相关系统的极限定理(2007),新加坡:世界科学,新加坡·Zbl 1154.60037号
[7] 陈,J。;Gupta,A.,《参数统计变化点分析及其在遗传医学和金融中的应用》(2012年),波士顿:Birkhäuser出版社,波士顿·Zbl 1273.62016年
[8] 塞尔格,M。;Horváth,L.,变点分析中的极限定理(1997),奇切斯特:威利·Zbl 0884.62023号
[9] Fotopoulos,S。;Paparas,A。;Jandhyala,V.,伽马观测系列下的变化点检测和估计方法,统计论文,63,723-754(2022)·Zbl 07553164号
[10] Gurevich,G。;Vexler,A.,《回顾性变化点检测:从参数到无分布政策》,《统计中的通信——模拟和计算》,39,899-920(2010)·Zbl 1192.62263号
[11] Z.哈查乌伊。;Levy-Leduc,C.,《带总变差惩罚的多重变点估计》,美国统计协会杂志,105,1480-1493(2010)·Zbl 1388.62211号
[12] Hastie,T.、Tibshirani,R.和Friedman,J.(2009年)。统计学习的要素:数据挖掘、推理和预测。第二版,施普林格出版社·Zbl 1273.62005年
[13] Horváth,L。;Kokoszka,P.,长期依赖对变点估计量的影响,《统计规划与推断杂志》,64,57-81(1997)·兹比尔0946.62078
[14] Horváth,L。;Hušková,M.,面板数据中的变化点检测,时间序列分析杂志,33,631-648(2012)·Zbl 1282.62181号
[15] Horváth,L。;Rice,G.,《变化点分析中一些经典方法的扩展》,TEST,23219-255(2014)·Zbl 1305.62310号
[16] Inclán,C。;Tiao,G.,《使用累积平方和回顾性检测方差变化》,《美国统计协会杂志》,89913-923(1994)·Zbl 0825.62678号
[17] Joag-Dev,K。;Proschan,F.,随机变量与应用的负相关,《统计年鉴》,第11期,第286-295页(1983年)·Zbl 0508.62041号
[18] Kokoszka,P。;Leipus,R.,相关观测平均值的变化,《统计与概率快报》,40385-393(1998)·Zbl 0935.62097号
[19] Korkas,K。;Fryzlewicz,P.,使用野生二进制分割对非平稳时间序列进行多变化点检测,《中国统计》,27,287-311(2017)·Zbl 1356.62143号
[20] Lavielle,M.,使用惩罚对比度解决转换点问题,《信号处理》,85,1501-1510(2005)·Zbl 1160.94341号
[21] Lee,C.,估计独立正态随机变量序列中的变化点数量,《统计学与概率快报》,25,241-248(1995)·Zbl 0839.62015号
[22] Lee,S。;Park,S.,无限级移动平均过程中尺度变化的平方根检验,《斯堪的纳维亚统计杂志》,28,625-644(2001)·Zbl 1010.62079号
[23] 李强。;Wang,L.,通过自适应LAD-LASSO的鲁棒变化点检测方法,统计论文,61109-121(2020)·Zbl 1437.62177号
[24] 李毅。;张磊,移动平均过程多变点估计的收敛速度,应用数学——中国大学学报,20416-422(2005)·邮编1097.60006
[25] 马,L。;J.安德鲁。;格兰特,A。;Sofronov,G.,自回归时间序列数据中的多变化点检测和验证,统计论文,611507-1528(2020)·Zbl 1452.62662号
[26] Meier,A。;柯奇,C。;Cho,H.,mosum:变化点分析中移动和的软件包,统计软件杂志,97,1-42(2021)
[27] Newman,C.(1984)。正负相依随机变量的渐近独立性和极限定理。在Y.L.Tong(编辑),《统计学与概率的不等式》(第127-140页)。(I.M.S.演讲笔记-专题系列;第5卷)。国际货币学协会。。
[28] 牛,Y。;郝,N。;Zhang,H.,《多变化点检测:选择性综述》,《统计科学》,31,611-623(2016)·Zbl 1442.62170号
[29] Picard,D.,《测试和估计时间序列中的变化点》,《应用概率的进展》,第17期,第841-867页(1985年)·Zbl 0585.62151号
[30] Roussas,G。;Ghosh,S.,《一些统计应用的正相关性和负相关性》,《渐近、非参数和时间序列》,757-788(1999),纽约:马塞尔·德克尔,纽约·Zbl 1069.62518号
[31] Shao,X.,《时间序列的自我规范化:近期发展综述》,《美国统计协会杂志》,第110期,第1797-1817页(2015年)·Zbl 1373.62456号
[32] 施,X。;Wu,Y。;缪,B.,变点估计的强收敛速度及其应用,计算统计与数据分析,53990-998(2009)·Zbl 1452.62213号
[33] 施,X。;王,X。;魏,D。;Wu,Y.,通过VIF回归的连续多个变化点检测程序,计算统计,31671-691(2016)·Zbl 1342.65062号
[34] Shiryaev,A.,《随机障碍问题》(2019),德国柏林/海德堡:施普林格,柏林/海德堡,德国·Zbl 1426.93002号
[35] Shumway,R。;Stoffer,D.,《时间序列分析及其应用:以R为例》(2011年),纽约:Springer,纽约·Zbl 1276.62054号
[36] Stein,S.(1972年)。相依随机变量和分布的正态近似误差的界。《第六届伯克利数理统计与概率研讨会论文集》第2卷,加利福尼亚大学出版社,加利福尼亚州伯克利,583-602·Zbl 0278.60026号
[37] 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,167(2020)
[38] 蔡伟(Tsai,W.)。;Gurevich,G。;Vexler,A.,参数Shiryaev-Roberts统计控制程序的最佳特性,计算机建模和新技术,17,37-50(2013)
[39] Tsay,R.,时间序列中的离群值、水平位移和方差变化,《预测杂志》,7,1-20(1988)
[40] 王,JF;Lu,FB,一类弱相依随机变量的部分和最大值不等式与弱收敛性,数学学报,英语系列,22,3,693-700(2006)·Zbl 1102.60023号
[41] 杨琼。;李毅。;Zhang,Y.,强混合过程下非参数回归的变点检测,统计学论文,61465-1506(2020)·Zbl 1452.62326号
[42] Yao,Y.,近似独立随机变量序列中变化点的最大似然估计的分布,《统计学年鉴》,151321-1328(1987)·兹比尔0651.62017
[43] Yu,M。;Chen,X.,高维平均向量的有限样本变化点推断和识别,皇家统计学会杂志,B辑,83,247-270(2021)·Zbl 07555264号
[44] Zhang,L.,渐近负相依随机场的函数中心极限定理,匈牙利数学学报,86,3,237-259(2000)·Zbl 0964.60035号
[45] Zhang,Y.,混合随机变量生成的移动平均过程的完全矩收敛性,不等式与应用杂志,2015,245(2015)·Zbl 1335.60047号
[46] 张,L。;李毅,相依假设下移动平均过程的多变点估计,《自然科学进展》,第14681-688页(2004)·Zbl 1078.62097号
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。