关于累积和(CUSUM)检验的改进

对连续检验问题，常用的检测方法有三大类其一是众所周知的Shewhartt控制图，它是最常用的对生产过程进行连续监控的控制方法，不过，如果过程均值有小的漂移(即μ-μo小)时，Shewhart控制图的检验效果不是很好，除了Shewhart控制图外，另有二类常用的控制图法，其一是累积和控制图(CUSUM)，由Page^[1]基于似然比导出，其二是指数加权移动平均控制图(EWMA)，由Roberts^[2]给出，它们已被证明在检测小的漂移时效果不错。许多人对CUSUM与EWMA进行了比较，总的来说。最好的CUSUM与最好的EWMA在检测小的漂移方面难分优劣，但CUSUM是由似然比导出的，且其平均运行长度的计算相对来说要简便些，因此，CUSUM在与EWMA的比较中更具优势，应用更广．我们分析了CUSUM的导出过程和公式。指出CUSUM有二个可以进一步改进的方面在此基础上，我们给出了二个新的累积和检验统计量及其判断难则，它们分别是PCUSUM检验统计量Pn和DCUSUM检验统计量Sn．在连续检验问题中判断一个检验方法好坏的最重要的标难是其平均运行长度比较标难是在要求具有相同的受控状态下平均运行长度ARL0的条件下，比较其失控状态下的平均运行长度ARL1，ARL1越小越好我们对PCUSUM检验和DCUSUM检验都建立了其平均运行长度ARL的计算公式．通过对CUSUM，PCUSUM，DCUSUM的平均运行长度的比较我们发现我们提出的新的累积和控制方法确比原来的CUSUM有较大改进。     

几类正态过程的CUSUM图

本文针对呈正态分布的过程数据, 讨论当过程参数$(\mu,\sigma^2)$已知或未知时单参数变化、双参数变化的过程控制问题. 针对均值未知情况,利用Quesenberry提出的$Q$统计量构造了一系列标准化的CUSUM图;对于方差未知时的复杂情形, 给出了一种构造更为简单的CUSUM图的方法;对于未知(或不关心) $(\mu,\sigma^2)$中何者变化的特殊情形, 文章提出了纯变化的概念, 给出了相应统计量及由该统计量构造的CUSUM-D图, 针对每个考虑的情形, 通过模拟计算本文给出了相应于统计量的条件期望延时(CED), 同时在文章最后给出了本文提出的CUSUM图与已有的CUSUM图($Q$图)的模拟比较, 结果表明新的CUSUM图是可行的.     

混合正态分布下基于斜线截断的稳健似然比累积和控制图北大核心CSCD

累积和控制图主要用于对正态分布过程中均值的中小漂移的检测,但是对厚尾分布过程监测并不稳定.MacEachern等(2007)提出了用于监测厚尾分布过程的稳健似然比累积和(RLCUSUM)控制图.文章主要研究RLCUSUM控制图的性质,包括可控平均运行长度关于控制限的性质和过程失控时不同真实均值对平均运行长度的影响等,并提出了对于对数似然比函数进行斜线截断的方式,同时分析总结了不同污染程度的混合正态分布下各种截断方式得到的RLCUSUM控制图的适用情况.     

非参数模型均值函数结构变点的Bootstrap检测

本文检测非参数回归模型均值函数结构变点,针对均值函数跃度的长期均值为零时,基于残量的CUSUM统计量对均值函数结构变点检验无效的问题,本文提出了一种基于均值函数的核估计的检验统计量,得到统计量在原假设和备择假设下的极限分布,并构造Bootstrap方法对非参数回归模型均值函数结构变点进行检验,证明了检验和估计的一致性;模拟结果表明本文方法明显优于已有方法。     

带马尔可夫均值估计量的非参数自适应CUSUM控制图

本文提供了一个带马尔可夫均值估计量的非参数自适应CUSUM控制图用于监测位置参数的持续性漂移。它可以通过马尔可夫均值估计量预测未知的漂移大小,自适应的调整控制图参数,来对不同大小的未知漂移进行一个很好的监控。这是一个自启动非参数控制图,可以用于监控开始阶段,并且不需要依赖于任何样本的分布.通过数据模拟研究显示出这个控制图不仅在各种不同分布下具有很好的稳健性,并且对各种大小的漂移都很有效。     

GARCH模型参数变化的残量检验

本文研究GARCH模型参数变化的检验问题. 给出残量累积和统计量, 在原假设下得到了统计量的极限分布; 模拟结果表明残量检验可以弥补Kim, Cho和Lee (2000)\ucite{1}提出的平方累积和检验的某些不足, 比如经验势函数值过低的问题.     

一般均值漂移模型的Score检验统计量

本文研究了一般均值漂移模型中漂移量的存在性检验问题.利用Score函数和Fisher 信息阵,获得了检验的Score统计量.     

CUSUM，GLR，GEWMA以及RFCuscore控制图监测稳定过程均值漂移的效果比较

本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好.     

多元正态向量均值变点在线监测

在这篇文章中, 我们提出了监测多元独立向量均值变点的两种方法. 第一种方法是构造基于残差的CUSUM统计量; 第二种方法是构造基于递归残差的CUSUM统计量. 并分别得到了对应统计量的渐进分布.模拟表明本文提出的方法监测效果良好, 生产实例也说明该方法具有一定的实用性和有效性.     

CUSUM,GLR,GEWMA以及RFCuscore控制图监测稳定过程均值漂移的效果比较(英)

本文给出了累积和控制图(CUSUM)监测稳定过程均值漂移的平均运行长度(ARL)的区间估计,并采用数字模拟的方法对CUSUM,GLR,GEWMA以及RFCuscore四种控制图监测稳定过程均值漂移的效果进行比较,结果显示CUSUM效果最好.