跳跃度变点估计的Op收敛速度

对至多只有一个跳跃度变点T0的变点模型Xi=a+θI{[nT0]＜i≤n+εi,i=1,2,…,n,假定{εi,i=1,2,…,n}是均值为0、方差有限的独立同分布误差序列,其中T0未知,称之为变点.在利用滑窗方法给出变点估计的基础上,进一步研究了局部对立假设条件下变点估计(T)的OP收敛速度.     

至多一个变点的Γ分布的统计推断及在金融中的应用

对至多一个变点的Γ分布,即X1,X2…,Xn为一列相互独立的随机变量序列,且X1,X2,…,X[n(τ)0]i.i.d～Γ(x;ν1,λ1),X[n(τ)τ0]+1,X[n(τ)0]+2,…,Xn i.i.d～Γ(x;ν2,λ2),其中(τ)0未知,称(τ)0为该序列的变点.在利用第一型极值分布逼近文中提出统计量的分布的基础上,给出了变点(τ)0估计(τ)的相合性及强弱收敛速度.最后给出了在金融序列上的应用.     

相伴于随机自相似分形的随机测度的强测度的收敛性(英文)

构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(.)=EΦn(.),则{Ψn}弱收敛于Ψ=EΦ.     

相伴于随机自相似分形的随机测度的强测度的收敛性

构造了随机自相似分形及其上的记忆函数,并得出了有关结论,在此基础上,我们可以定义一个随机概率测度dΦn(τ)=Kn(τ)dτ,Φn(τ)弱收敛于Φ,进一步可得到强测度序列Ψn(·)=EΦn(·),则{Ψn}弱收敛于Ψ=EΦ.     

固定设计的时间序列半参数回归

考虑如下的半参数回归模型Yi=xTiβ+g(ti)+εi(0≤i≤n),其中{εi,0≤i≤n}和{εt,0≤t≤n}有相同的联合分布,{εt,-∞＜t＜∞}是具有零均值和有限方差σ2的严平稳α-混合时间序列.本文构造了上述模型中β,g(t)和σ2的局部多项式估计,在适当的条件下,得到了估计的渐近正态性和收敛速度.在一定的假设下,β的估计是自适应的,而且g(υ)(t)(g(t)的第υ阶导数)的估计的收敛速度是最优的.     

线性过程关于矩的重对数律的精确率

讨论线性过程Xk=∑∞i=-∞ai+kεi,其中{εi；-∞＜i＜∞}是均值为零,方差有限为σ2的双侧无穷独立同分布随机变量序列,{ai；-∞＜ i＜∞}为绝对可和的实数序列.令Sn=∑nl=1Xk,n≥1,假设|ε1|3＜∞,证明了对任意的δ＞-1,lim ∈↘0∈2δ+2∑∞n=1(㏒ ㏒ n)δ/n3/2㏒ nE{|Sn|-∈τ√2n ㏒ ㏒ n}+=√2τ√/√π(δ+1)(2δ+3)Γ(δ+2),其中τ2=σ2(∑∞i=-∞ai)2以及Γ(·)为Gamma函数.     

分布变点模型的非参数检验和区间估计

设X(1/n+1),…,X(i/n+1),…,x(n/n+2)是定义在[0,1]上的随机过程X(t)的n个等距独立观察值,其中X(i/n+1),0＜i/n+1≤r,服从公共连续分布F;X(i/n+1),τ＜i/n+1＜1,服从公共连续分布F*,F与F*不同;其中τ是过程X(t)的变点.用CUSUM及BrownianSheet方法给出了检测变点r位置的一个程序,并证明了所得结果是强相合的;同时也讨论了r的假设检验和区间估计.     

斜率变点估计的强收敛速度

对至多只有一个斜率变点的模型,在误差分布为非正态时,本文利用滑窗方法给出了变点估计的强、弱相合性和强、弱收敛速度,同对在局部对立假设下研究了变点估计的O_p收敛速度.     

相依线性回归模型M-估计的线性表示（英文）

本文考虑如下线性回归模型y_i=x_i~Tβ+e_i,i=1,2…,n,其中e_i=G(…,ε_(i-1),ε_i)是平稳相依误差,ε_i,i∈Z是独立同分布的随机变量.在非凸函数的情形下,得到了参数β的M-估计的线性表示,并由此得到两个应用:强收敛速度和正态分布.最后,用一模拟算例来说明本文方法的有效性.     

变系数非线性递归序列的极限

对形如F_(n+p)=(sum from to i=1 to p)a_i(n)F_(n+i-1)~(b_i),n≥1的变系数非线性递归序列{F_n}的极限问题进行了研究,给出了在满足一定条件时,序列{F_n}收敛且极限值与初始值F_i>0,i=1,2,…,p无关.     

Change-Point Detection in Angular Data

We suggest a modification of the CUSUM procedure to detect changes in angular data. We obtain limit theorems for the test statistics under the no change null hypothesis. We discuss the estimation of the times of changes and show that the binary segmentation provides the times of all changes. Our method is applied to a data set on the activity of a pulsar.     

State-of-the-Art in Sequential Change-Point Detection

We provide an overview of the state-of-the-art in the area of sequential change-point detection assuming discrete time and known pre- and post-change distributions. The overview spans over all major formulations of the underlying optimization problem, namely, Bayesian, generalized Bayesian, and minimax. We pay particular attention to the latest advances in each. Also, we link together the generalized Bayesian problem with multi-cyclic disorder detection in a stationary regime when the change occurs at a distant time horizon. We conclude with two case studies to illustrate the cutting edge of the field at work.     

Change-Point Detection in Long-Memory Processes

We discuss some methods to test for possible changes in the parameters of a long-memory sequence. We obtain the limit distributions of the test statistics under the no-change null hypothesis. The consistency of the tests is also investigated.     

����ģ�ͱ������ı�Ҷ˹����

本文主要讨论了变点的先验分布为beta-binomial分布 和Ibrahim等(2003)提出的幂型先验的条件下, 有一个变点的线性模型的贝叶斯统计推断问题, 并且我们假定变点两边的观测值的方差是相等的. 我们得到变点、回归系数、共同方差的后要分布的显示表达式. 本论文不仅把Ferrira(1975)论文从变点先验分布服从离散均匀分布推广到了更好描述变点 的形状的beta-binomial分布, 而且进一步将变点的先验分布推广到包含的历史信息的幂型先验. 当变点的先验分布为beta-binomial分布和幂型先验时, 模拟结果显示了贝叶斯方法具有更高的准确性.     

一个监控方差的与分布无关的变点模型

文献中绝大部分与分布无关的控制图用于监控过程位置参数,如均值或中位数,而非过程方差.该文开发了一个新的与分布无关的控制图,通过整合一个两样本非参数检验和有效的变点模型.所提出的控制图容易计算,方便应用,并且对于探测过程方差的漂移非常有效.因为它避免了在监控之前的一个很长时间的收集数据的阶段,并且它不需要潜在的过程分布的知识,因此,所提出的控制图在开始阶段或者短程运行情况下特别有用.     

尺度参数变点的非参数检验

本文讨论了尺度参数模型参数变点的假设检验问题\bd 基于两样本$U$\,-统计量, 我们给出了两个检验, 并且研究了检验统计量分布的极限性质\bd 我们证明了这两个检验统计量的极限分布分别是$\sup\limits_{0相似文献   

Asymptotic Distribution of the Jump Change-Point Estimator

The asymptotic distribution of the change-point estimator in a jump changepoint model is considered.For the jump change-point model Xi =a + θI{[nTo] ＜ i ≤n} + εi,where εi (i =1,…,n) are independent ide...     

Non-Parametric Change-Point Estimation using String Matching Algorithms

Given the output of a data source taking values in a finite alphabet, we wish to estimate change-points, that is times when the statistical properties of the source change. Motivated by ideas of match lengths in information theory, we introduce a novel non-parametric estimator which we call CRECHE (CRossings Enumeration CHange Estimator). We present simulation evidence that this estimator performs well, both for simulated sources and for real data formed by concatenating text sources. For example, we show that we can accurately estimate the point at which a source changes from a Markov chain to an IID source with the same stationary distribution. Our estimator requires no assumptions about the form of the source distribution, and avoids the need to estimate its probabilities. Further, establishing a fluid limit and using martingale arguments.     

厚尾相依序列的均值变点估计

本文研究了厚尾相依序列的均值变点估计. 证明了变点的CUSUM估计的一致性并得到了收敛速度.在方差无穷的情况下推广了H\'{a}jek--R\'{e}nyi不等式.     

ARCH模型的多变点检验

研究自回归条件异方差(ARCH)模型的多变点检验问题.提出一种拟似然比检验统计量,并在原假设下给出统计量的极限分布.在假设检验过程中得到变点个数的一致估计.数值模拟与实例分析说明了方法的合理性.