Robust Narrowest Significance Pursuit: Inference for Multiple Change-Points in the Median
稳健最窄显著区间搜索：中位数多重变点推断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。
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：摘要核心是数据序列中多个中位数变点的检测与区间推断，对应结构变化方向。
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…
关注这篇论文的作者
稳健最窄显著区间搜索：中位数多重变点推断
- 研究问题
- 研究如何在预设的全局显著性水平下，寻找必含中位数变点的局部区间，并容许异质性与任意重尾残差。
- 方法与思路
- 作者在多个区间拟合常数模型，使用基于符号的多分辨率上确界型损失，贪婪寻找显著违反恒定性的最短区间。
- 材料陈述的贡献
- 摘要称在真实残差符号对称且序列独立的条件下，返回区间具有有限样本、无条件覆盖保证，且不要求真实信号假设。
- 阅读关注点
- 应核对符号对称与符号独立的精确定义、全局错误率控制，以及显著区间覆盖和变点定位精度之间的区别。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，无法判断符号依赖时的表现及定位精度，也不能推断后续刊本变化。
原文摘要
We propose Robust Narrowest Significance Pursuit (RNSP), a methodology for detecting localized regions in data sequences which each must contain a change-point in the median, at a prescribed global significance level.RNSP works by fitting the postulated constant model over many regions of the data using a new signmultiresolution sup-norm-type loss, and greedily identifying the shortest intervals on which the constancy is significantly violated.By working with the signs of the data around fitted model candidates, RNSP fulfils its coverage promises under minimal assumptions, requiring only sign-symmetry and serial independence of the signs of the true residuals.In particular, it permits their heterogeneity and arbitrarily heavy tails.The intervals of significance returned by RNSP have a finite-sample character, are unconditional in nature and do not rely on any assumptions on the true signal.Code implementing RNSP is available at https://github. com/pfryz/nsp.