A Robust-Likelihood Cumulative Sum Chart
稳健似然累积和控制图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：摘要聚焦统计过程控制及牲畜疾病监测，未明确建立与给定宏观结构变化或其他计量细分的专门联系。
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…
稳健似然累积和控制图
- 研究问题
- 常规CUSUM控制图面对厚尾过程和较大均值变化时表现欠佳，如何兼顾异常值稳健性与变化的快速检测？
- 方法与思路
- 作者从CUSUM的似然基础出发，构造具有稳健性能的变量及其似然，据此建立稳健似然累积和控制图。
- 材料陈述的贡献
- 摘要称新控制图在平均运行长度比较中对大变化表现更好，对小变化与常规方法近似，并研究条件极限分布。
- 阅读关注点
- 应核对稳健变量的构造、控制限与误报水平的设定、平均运行长度的比较条件，以及条件极限分布的理论要求。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未给出过程分布和控制限条件，所述优势不能推广到所有变化检测场景。
原文摘要
In practice, the cumulative sum (CUSUM) control chart is often used to detect small shifts in the mean of a normally distributed process, but it performs poorly for thick-tailed processes and for large shifts. This article provides a robust-likelihood cumulative sum (RLCUSUM) chart that discounts outliers and yet has the ability to detect large shifts quickly. The new chart is motivated by the likelihood underpinnings of the CUSUM. It is based on the likelihood of a variate constructed to ensure robust performance of the resulting chart. The new chart is compared with the conventional CUSUM in terms of average run length, with the finding that the RLCUSUM is much better than the conventional CUSUM, especially for large shifts. For small shifts, the two charts are essentially equivalent. We study the properties of the conditional limiting distribution. A final application of the RLCUSUM in assessing livestock disease shows that the method is applicable in process control.