一般随机模型联合序贯变点检测与辨识的渐近理论
统计理论
2021-03-04 v2 概率论
统计理论
摘要
本文针对一般随机模型研究联合序贯变点检测与辨识/隔离问题,假设观测数据可能相关且非同分布,变点的先验分布任意,且变后假设为复合假设。所发展的检测-辨识理论将Tartakovsky(2019)发展的变点检测理论推广到多个复合变后假设的情形,此时不仅需尽快检测变化,还需辨识(或隔离)真实的变后分布。我们提出一种多假设变点检测-辨识规则,并证明其在误报概率与误辨识概率趋于零时最小化检测延迟矩,因而是近最优的。
引用
@article{arxiv.2102.01306,
title = {An Asymptotic Theory of Joint Sequential Changepoint Detection and Identification for General Stochastic Models},
author = {Alexander G. Tartakovsky},
journal= {arXiv preprint arXiv:2102.01306},
year = {2021}
}
备注
16 pages