×
尤安·麦戈尼格尔。;Haeran Cho

时间序列分割中时间平均方差的稳健多尺度估计。 （英语） Zbl 07708457号

计算。统计数据分析。 179，文章ID 107648，24 p.（2023）.
摘要：针对检测多个均值漂移的典型变化点问题，有几种方法，这些方法搜索多个尺度下数据段的变化。在这种方法中，通常需要估计噪声水平，以便将真实的变化与由于噪声引起的随机波动区分开来。当存在序列相关性时，使用噪声级的单一估计器可能不合适。相反，建议采用取决于所考虑数据段长度的尺度相关时间平均方差常数来衡量其中的噪声水平。因此，开发了一种对多重均值漂移的存在具有鲁棒性的估计器。在允许重尾性的一般假设下，证明了所提估计量的一致性，并讨论了它与两种广泛采用的数据分割算法，即移动和和野生二进制分割程序的使用。通过广泛的模拟研究以及在房价指数和空气质量数据集中的应用，说明了所提出估计器的性能。

MSC公司：

62-08 统计问题的计算方法

关键词：

变化点分析;时间平均方差常数;稳健估计;移动求和程序;野生二进制分割

软件：

AR1段;摩西;工作分解结构
PDF格式BibTeX公司 XML格式引用
\textit{E.T.McGonigle}和\textit{H.Cho}，计算。统计数据分析。179，文章ID 107648，24 p.（2023；Zbl 07708457）
全文： 内政部 arXiv公司

参考文献：

[1] 英国的二氧化氮（2004年）
[2] 阿贝莱兹，P。；Maire，M。；福尔克斯，C。；Malik，J.，轮廓检测和分层图像分割，IEEE Trans。模式分析。机器。智力。，33, 5, 898-916 (2010)
[3] Aue，A。；Horváth，L.，《时间序列中的结构突变》，J.time-Ser。分析。，2013年1月16日，第34页·Zbl 1274.62553号
[4] Baranowski，R。；陈，Y。；Fryzlewicz，P.，《多个变化点和类变化点特征的最窄阈值检测》，J.R.Stat.Soc.，Ser。B、 统计方法。，81, 3, 649-672 (2019) ·Zbl 1420.62157号
[5] Catoni，O.，《挑战经验平均值和经验方差：一项偏差研究》，《安娜·亨利·彭加雷·普罗巴布研究所》。《统计》，48，4，1148-1185（2012）·Zbl 1282.62070号
[6] 查卡尔，S。；Lebarbier，E。；Lévy-Leduc，C。；Robin，S.，估计AR（1）过程平均值变化点的稳健方法，Bernoulli，23，2，1408-1447（2017）·Zbl 1378.62059号
[7] Chan，K.W.，《时间序列中基于差分的最优方差估计量：一般框架》，Ann.Stat.，50，3，1376-1400（2022）·兹伯利07547934
[8] Chen，L。；Wang，W。；Wu，W.B.，高维时间序列中断点的推断，美国统计协会，1-13（2021）
[9] Cho，H。；Fryzlewicz，P.，《序列相关性下的多变化点检测：野对比度最大化和gappy Schwarz算法》（2021），arXiv预打印
[10] Cho，H。；Kirch，C.，《数据分割算法：单变量均值变化及其以外》，《经济》。统计数字（2021），正在出版
[11] Cho，H。；Kirch，C.，《允许多尺度变化点、重尾和相关性的两阶段数据分割》，《Ann.Inst.Stat.Math。，74, 4, 653-684 (2022) ·Zbl 1497.62230号
[12] Chu，C.-S.J。；霍尼克，K。；Kaun，C.-M.，参数恒定性的MOSUM测试，生物统计学，82，3，603-617（1995）·Zbl 0830.62079号
[13] Dette，H。；Eckle，T。；Vetter，M.，相关数据的多尺度变化点检测，Scand。J.Stat.，47，4，1243-1274（2020）·Zbl 1467.62064号
[14] 艾钦格，B。；Kirch，C.，估计多个随机变化点的MOSUM程序，Bernoulli，24，1，526-564（2018）·Zbl 1388.62251号
[15] 方，X。；Siegmund，D.，《本地信号的检测和估计》（2020年），arXiv预印本
[16] 弗里克，K。；Munk，A。；Sieling，H.，多尺度变化点推断，J.R.Stat.Soc.，Ser。B、 统计方法。，76, 3, 495-580 (2014) ·Zbl 1411.62065号
[17] Fryzlewicz，P.，《用于多变化点检测的野生二进制分割》，《Ann.Stat.》，42，6，2243-2281（2014）·Zbl 1302.62075号
[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》，《韩国统计学会期刊》，49，4，1027-1070（2020）·Zbl 1485.62116号
[19] 加拉赫，C。；基利克，R。；伦德，R。；Shi，X.，《存在变化点的自协方差估计》，韩国统计学会期刊，1-20（2022）
[20] 海厄姆，J。；拉米雷斯，哥伦比亚特区。；格林，M。；Morse，A.，英国新冠肺炎疫情封锁：减少空气污染100天？，空气质量。大气。健康，14，3，325-332（2021）
[21] 胡什科娃，M。；Kirch，C.，关于变点的学生化置信区间的注释，计算。统计，25，2，269-289（2010）·Zbl 1223.62147号
[22] 科瓦奇，S。；李，H。；Bühlmann，P。；Munk，A.，种子二进制分割：快速最佳变化点检测的通用方法（2020），arXiv预印本
[23] Lavielle，M。；Moulines，E.，时间序列中未知移位数的最小二乘估计，J.time-Ser。分析。，21, 1, 33-59 (2000) ·Zbl 0974.62070号
[24] 卢奇。；伦德，R。；Lee，T.C.，《气候分割问题的MDL方法》，Ann.Appl。统计，4，1，299-319（2010）·Zbl 1189.62180号
[25] McGonigle，E.T。；基里克，R。；Nunes，M.A.，《在存在时变自方差的情况下检测平均值的变化》，Stat，10，1，e351（2021）
[26] McGonigle，E.T。；基利克，R。；Nunes，M.A.，《趋势局部平稳小波过程》，J.Time-Ser。分析。，4385-917（2022）·Zbl 07730972号
[27] Meier，A。；柯奇，C。；Cho，H.，mosum:变点分析中移动和的包，J.Stat.Softw。，97, 1, 1-42 (2021)
[28] 梅瑟，M。；Kirchner，M。；Schiemann，J。；Roeper，J。；Neininger，R。；Schneider，G.，《检测变化方差更新过程中速率变化的多重过滤测试》，Ann.Appl。统计，2027-2067年8月4日（2014年）·Zbl 1454.62365号
[29] Nason，G.P。；冯·萨克斯，R。；Kroisandt，G.，进化小波谱的小波过程和自适应估计，J.R.Stat.Soc.，Ser。B、 《美国统计年鉴》。，62, 2, 271-292 (2000)
[30] Page，E.S.，《连续检查计划》，《生物特征》，41，1/2，100-115（1954）·Zbl 0056.38002号
[31] 罗曼诺，G。；Rigaill，G。；伦格，V。；Fearnhead，P.，《检测局部波动和自相关噪声中的突变》，美国统计协会期刊，1-16（2021）
[32] 斯科特·A·J。；Knott，M.，《方差分析中分组均值的聚类分析方法》，《生物统计学》，30，3，507-512（1974）·Zbl 0284.62044号
[33] Tecuapetla-Gómez，I。；Munk，A.，《不连续信号和m相关误差回归中的自协方差估计：基于差异的方法》，Scand。J.Stat.，44，2，346-368（2017）·Zbl 1422.62154号
[34] 《卫报》，英国城镇房价飙升，“空间竞赛”继续加速（2021年）
[35] 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，第107299条，第（2020）页
[36] 英国土地注册处，英国房价指数（2021）
[37] 范登伯格，G.J。；Williams，C.K.，《变化点检测算法评估》（2020），arXiv预印本
[38] Vostrikova，L.J.，检测多维随机过程中的“无序”，Sov。数学。道克。，第24页，第55-59页（1981年）·Zbl 0487.62072号
[39] Wong，K.C。；李，Z。；Tewari，A.，Lasso对β-混合重尾时间序列的保证，Ann.Stat.，48，2，1124-1142（2020）·Zbl 1450.62117号
[40] Wu，W。；Zhou，Z.，复杂时间动力学下的多尺度跳跃测试和估计（2020），arXiv预印本
[41] Wu，W.B.，时间平均方差常数的递归估计，Ann.Appl。概率。，19, 4, 1529-1552 (2009) ·Zbl 1171.62048号
[42] Yao，Y.C.，通过Schwarz标准估计变化点的数量，Stat.Probab。莱特。，6, 3, 181-189 (1988) ·Zbl 0642.62016号
[43] 张，D。；Wu，W.B.，高维时间序列的高斯近似，《统计年鉴》，45，5，1895-1919（2017）·Zbl 1381.62254号
[44] 赵，Z。；江，F。；Shao，X.，通过自归一化分割时间序列（2021），arXiv预印本
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。