鲁棒最窄显著性追踪：中位数多重变点的推断
统计方法学
2024-02-02 v4
摘要
我们提出鲁棒最窄显著性追踪（RNSP），一种用于检测数据序列中每个都必须包含中位数变点的局部区域的方法，在规定的全局显著性水平下。RNSP 通过使用一种新的符号多分辨率上确界范数型损失在许多数据区域上拟合假设常值模型，并贪婪地识别恒常性被显著违背的最短区间来工作。通过对拟合模型候选周围数据的符号进行处理，RNSP 在最小假设下实现其覆盖保证，仅要求真实残差符号的符号对称性与序列独立性。特别地，它允许其异质性与任意重尾。RNSP 返回显著性区间具有有限样本特征，本质上为无条件，且不依赖关于真实信号的任何假设。实现 RNSP 的代码可在 https://github.com/pfryz/nsp 获取。
引用
@article{arxiv.2109.02487,
title = {Robust Narrowest Significance Pursuit: Inference for multiple change-points in the median},
author = {Piotr Fryzlewicz},
journal= {arXiv preprint arXiv:2109.02487},
year = {2024}
}