亚历山大·塔塔科夫斯基。 多流数据中的渐进最优最快变化检测——第1部分:一般随机模型。 (英语) Zbl 1437.62321号 Methodol公司。计算。申请。可能性。 21,第4期,1303-1336(2019). 小结:假设有多个数据流(通道、传感器),在每个数据流中,感兴趣的过程产生通常相关的和非相同分布的观测值。当过程处于正常模式(控制中)时,(改变前)分布是已知的,但当过程变得异常时,存在参数不确定性,即改变后(失控)分布仅在一个参数范围内部分已知。变更点和变更后参数均未知。此外,更改会影响流的一个未知子集,因此受影响的流的数量及其位置是未知的。一个好的变化点检测程序应该在变化发生后尽快检测到变化,同时控制错误报警的风险。我们考虑了具有给定变化点先验分布的贝叶斯设置,并提出了两种基于序列混合的变化检测规则,一种是在受影响流的未知子集和未知变化后参数上混合Shiryaev型统计,另一种是混合Shiryayev-Roberts型统计。这些规则概括了Tartakovsky(IEEE Trans-Inf Theory 65(3):1413-14292019)在单流情况下研究的混合物检测程序。我们提供了当虚警概率接近零时,所提出的多流变化检测过程相对于检测延迟矩是一阶渐近最优的充分条件。 MSC公司: 62升10 顺序统计分析 62升15 统计中的最优停止 60克40 停止次数;最优停车问题;赌博理论 62C10个 贝叶斯问题;贝叶斯过程的特征 62C20个 统计决策理论中的Minimax过程 2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型 关键词:渐近最优性;变化点检测;一般非身份证模型;隐马尔可夫模型;检测延迟时刻;\(r)-完全收敛;统计过程控制;监控 PDF格式BibTeX公司 XML格式引用 \textit{A.G.Tartakovsky},Methodol(梅多多尔)。计算。申请。普罗巴伯。21,第4号,1303--1336(2019;Zbl 1437.62321) 全文: 内政部 arXiv公司 参考文献: [1] Bakut PA、Bolshakov IA、Gerasimov BM、Kuriksha AA、Repin VG、Tartakovsky GP、Shirokov VV(1963)统计雷达理论。纳入:塔塔科夫斯基GP(ed)。俄语,第1卷。莫斯科Sovetskoe电台 [2] Chan HP(2017)多流数据中的最佳顺序检测。Ann Stat年鉴45(6):2736-2763·Zbl 1388.62127号 ·doi:10.1214/17-AOS1546 [3] Fellouris G,Sokolov G(2016)多通道序贯检测中的二阶渐近最优性。IEEE Trans-Inf理论62(6):3662-3675。https://doi.org/10.1109/TIT.2016.2549042 ·Zbl 1359.94221号 ·doi:10.1109/TIT.2016.2549042 [4] Fellouris G,Tartakovsky AG(2017)多通道序列检测第一部分:非I.I.d.数据。IEEE Trans-Inf理论63(7):4551-4571。https://doi.org/10.1109/TIT.2017.2689785 ·Zbl 1370.94322号 ·doi:10.10109/TIT.2017.26889785文件 [5] Lai TL(1995)质量控制和动力系统中的顺序变化点检测(含讨论)。J R Stat Soc Ser B方法57(4):613-658·Zbl 0832.62072号 [6] Lai TL(1998)随机系统中参数变化的信息界和快速检测。IEEE Trans-Inf理论44(7):2917-2929·Zbl 0955.62084号 ·doi:10.1109/18.737522 [7] Mei Y(2010)监测大量数据流的高效可扩展方案。生物特征97(2):419-433·Zbl 1406.62088号 ·doi:10.1093/biomet/asq010 [8] Pollak M,Tartakovsky AG(2009)《Shiryaev-Roberts程序的优化特性》。《Stat Sin》19(4):1729-1739·Zbl 05629283号 [9] Polunchenko AS,Tartakovsky AG(2010),关于检测分布变化的Shiryaev-Roberts程序的最佳性。安统计38(6):3445-3457·Zbl 1204.62141号 ·doi:10.1214/09-AOS775 [10] Tartakovsky AG(2005)虚警概率约束下多图CUSUM测试的渐近性能。收录:第44届IEEE会议决策与控制及欧洲控制会议(CDC-ECC’05)会议记录,塞维利亚,SP,IEEE,Omnipress CD-ROM,第320-325页 [11] Tartakovsky AG(2017)《顺序变化点检测中的渐近最优性:非iid情况》。IEEE Trans-Inf理论63(6):3433-3450。https://doi.org/10.109/TIT.2017.2683496 ·Zbl 1369.94378号 ·doi:10.1109/TIT.2017.2683496 [12] Tartakovsky AG(2019)用于检测一般随机模型变化的混合规则的渐近最优性。IEEE Trans-Inf理论65(3):1413-1429。https://doi.org/10.1109/TIT.2018.287686 ·Zbl 1432.62275号 ·doi:10.1109/TIT.2018.287686 [13] Tartakovsky AG,Brown J(2008)杂波去除和目标跟踪的自适应时空滤波方法。IEEE Trans-Aerosp电子系统44(4):1522-1537·doi:10.1109/TAES.2008.4667727 [14] Tartakovsky AG,Veeravalli VV(2005)最快变化检测的一般渐近贝叶斯理论。概率论及其应用49(3):458-497·Zbl 1131.62314号 ·doi:10.1137/S0040585X97981202 [15] Tartakovsky AG,Rozovskii BL,Blaźek R B,Kim H(2006)通过顺序变化点方法检测信息系统中的入侵。统计方法3(3):252-293·Zbl 1248.94032号 ·doi:10.1016/j.stamet.2005.05.003 [16] Tartakovsky AG、Pollak M、Polunchenko AS(2012)广义Shiryaev-Roberts变点检测程序的三阶渐近最优性。概率论及其应用56(3):457-484。https://doi.org/10.1137/S0040585X97985534 ·Zbl 1417.62232号 ·doi:10.1137/S0040585X97985534 [17] Tartakovsky AG、Nikiforov IV、Basseville M(2014)《序列分析:假设检验和变化点检测》。《统计学和应用概率专著》,查普曼和霍尔/CRC出版社博卡拉顿,伦敦,纽约·Zbl 1341.62026号 [18] Willsky AS,Jones HL(1976)检测和估计线性系统跳跃的广义似然比方法。IEEE Trans Autom Control 21(1):108-112·Zbl 0316.93038号 ·doi:10.1109/TAC.1976.1101146 [19] 谢毅,西格蒙德D(2013)《顺序多传感器变点检测》。Ann Stat 41(2):670-692·Zbl 1267.62084号 ·doi:10.1214/13-AOS1094 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。