基于几何感知置信重参数化的变点问题直接估计
统计方法学
2025-07-14 v2
摘要
对于具有可能变点的随机变量序列中均值迁移的估计是许多学科中的重要问题。在五十多年的文献中，均值迁移的估计方法通常被视为一个两步问题：首先进行变点存在性检验，然后进行均值迁移的估计过程，这被称为检验估计器。该方法存在过度参数化的问题。当将其视为估计问题时，我们建立了最大似然估计 (MLE) 总是给出错误警报，即使序列中根本不存在变点也会指示存在变点。我们将参数空间建模为修改的� Horn torus。我们引入一种新的参数估计方法。对该共轭流形上的均值迁移参数施以适当的黎曼度量进行估计。结果表明，其性能优于 MLE。该方法在比特币数据上进行实现，并与 MLE 的性能进行比较。
引用
@article{arxiv.2502.11679,
title = {Change-point problem: Direct estimation using a geometry inspired identifiable reparameterization},
author = {Buddhananda Banerjee and Arnab Kumar Laha},
journal= {arXiv preprint arXiv:2502.11679},
year = {2025}
}