我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们提出了一种新的技术,称为野生二进制分割(WBS),用于一致估计数据中多个变化点的数量和位置。我们假设,随着样本量的增加,变化点的数量可以增加到无穷大。由于某种随机定位机制,WBS甚至可以在转换点和/或非常小的跳跃幅度之间非常短的间隔中工作,这与标准的二进制分割不同。另一方面,尽管WBS使用了本地化,但它不需要选择窗口或跨度参数,也不会显著增加计算复杂性。WBS也很容易编码。我们提出了WBS的两个停止准则:一个基于阈值,另一个基于我们所称的“强化Schwarz信息准则”。我们提供了程序参数的默认建议值,并表明与最新技术相比,它提供了非常好的实际性能。WBS方法在CRAN上提供的R包WBS中实现。
此外,我们还提供了一个新的证明,证明了二进制分割的一致性,提高了收敛速度,并给出了WBS的相应结果。
Piotr Fryzlewicz。 “用于多变化点检测的野生二进制分割。” 安。统计师。 42 (6) 2243 - 2281, 2014年12月。 https://doi.org/10.1214/14-AOS1245