面向高维数据的自适应变点监测
统计方法学
2021-01-19 v1
摘要
在本文中，我们提出了一类用于高维观测序列均值偏移的监测统计量。受Wang等人（2019）和Zhang等人（2020）近期发展的基于U统计量的回顾性检验启发，我们将基于U统计量的方法推进到序贯监测问题，发展了一种新的自适应监测过程，能够实时检测稠密与稀疏两类变化。与Wang等人（2019）和Zhang等人（2020）在其检验中使用自归一化不同，我们引入了一类协方差矩阵范数的估计量并证明了其比值相合性。为促进快速计算，我们进一步开发了递归算法以提升监测过程的计算效率。所提方法的优势通过仿真研究与实际数据示例得以展示。
引用
@article{arxiv.2101.06839,
title = {Adaptive Change Point Monitoring for High-Dimensional Data},
author = {Teng Wu and Runmin Wang and Hao Yan and Xiaofeng Shao},
journal= {arXiv preprint arXiv:2101.06839},
year = {2021}
}