Fully Functional Weighted Testing for Abrupt and Gradual Location Changes in Functional Time Series
函数型时间序列突发与渐进位置变化的全函数加权检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以具有时间依赖的函数型时间序列为对象，并研究均值的突发与渐进变化，支持时间序列和结构变化分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
函数型时间序列突发与渐进位置变化的全函数加权检验
- 研究问题
- 如何在保留函数型数据整体信息的同时利用协方差结构，检验存在时间依赖的数据均值是否发生突发或渐进变化？
- 方法与思路
- 作者在函数型 CUSUM 统计量中引入协方差加权与偏移参数，推导零假设分布，并构造三类统计量的渐进变化版本。
- 材料陈述的贡献
- 摘要称，新检验具有尺度不变性，可改善变化偏离前几个主成分时的功效，并给出允许时间依赖的极限分布与功效分析。
- 阅读关注点
- 应核对偏移参数的选择、协方差算子的处理、时间依赖条件，以及不同变化方向和渐进路径下的功效结论。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出具体正则条件、参数选择规则或有限样本结果。
原文摘要
Change point tests for abrupt changes in the mean of functional data, i.e., random elements in infinite-dimensional Hilbert spaces, are either based on dimension reduction techniques, e.g., based on principal components, or directly based on a functional CUSUM (cumulative sum) statistic. The former have often been criticized as not being fully functional and losing too much information. On the other hand, unlike the latter, they take the covariance structure of the data into account by weighting the CUSUM statistics obtained after dimension reduction with the inverse covariance matrix. In this paper, as a middle ground between these two approaches, we propose an alternative statistic that includes the covariance structure with an offset parameter to produce a scale-invariant test procedure and to increase power when the change is not aligned with the first components. We obtain the asymptotic distribution under the null hypothesis for this new test statistic, allowing for time dependence of the data. Furthermore, we introduce versions of all three test statistics for gradual change situations, which have not been previously considered for functional data, and derive their limit distribution. Further results shed light on the asymptotic power behavior for all test statistics under various ground truths for the alternatives.