Heterogeneous Change Point Inference
统计方法学
2016-02-08 v2 统计理论
统计理论
摘要
我们提出 HSMUCE（异质同时多尺度变点估计器）用于检测异质高斯回归模型中信号的多个变点。通过最小化多尺度检验接受域上变点数量来估计分段常数函数，该检验局部适应方差变化。多尺度检验是局部似然比检验的组合，这些检验通过尺度依赖的临界值适当校准，以保持全局名义水平 alpha，即使对于有限样本。我们表明 HSMUCE 控制了变点数量过高和过低估计的误差。为此，推导了 F 型统计量的新偏差界。此外，我们获得了整个信号的置信集。所有结果都是非渐近的，并且在一大类异质变点模型上一致成立。HSMUCE 计算快速，达到最优检测率，并以近乎最优的精度估计消失信号的变点数量，同时仍具有鲁棒性。我们在模拟中将 HSMUCE 与几种最先进的方法进行比较，并分析了具有显著状态异质性的细菌外膜中跨膜蛋白的当前记录。一个 R 包可在线获取。
引用
@article{arxiv.1505.04898,
title = {Heterogeneous Change Point Inference},
author = {Florian Pein and Hannes Sieling and Axel Munk},
journal= {arXiv preprint arXiv:1505.04898},
year = {2016}
}