Testing for a Change in Mean after Changepoint Detection
变点检测后的均值变化检验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。
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：摘要明确研究时间序列变点检测后的均值变化检验，直接对应结构变化与时间序列方法。
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…
变点检测后的均值变化检验
- 研究问题
- 时间序列中先用数据检测变点后，如何检验该估计变点附近是否确有均值变化，并处理检测步骤带来的选择问题？
- 方法与思路
- 作者提出检测后检验框架，覆盖二元分割及其变体、ℓ0 分割和融合套索，并通过减少条件化信息开展推断。
- 材料陈述的贡献
- 摘要称框架可高效实现，较少的条件化信息带来更高检验功效，并提供模拟、染色体含量数据应用及 R 软件包。
- 阅读关注点
- 应核对检验的局部窗口与原假设、条件化事件和误差分布要求，以及各检测算法对应的计算方法与功效比较。
- 阅读边界
- 仅据所给 Crossref 摘要；未说明检验有效性的完整条件或功效数值，不能外推到任意变点算法；软件现状未经核验。
原文摘要
Abstract While many methods are available to detect structural changes in a time series, few procedures are available to quantify the uncertainty of these estimates post-detection. In this work, we fill this gap by proposing a new framework to test the null hypothesis that there is no change in mean around an estimated changepoint. We further show that it is possible to efficiently carry out this framework in the case of changepoints estimated by binary segmentation and its variants, ℓ0 segmentation, or the fused lasso. Our setup allows us to condition on much less information than existing approaches, which yields higher powered tests. We apply our proposals in a simulation study and on a dataset of chromosomal guanine-cytosine content. These approaches are freely available in the R package ChangepointInference at https://jewellsean.github.io/changepoint-inference/.