On Functional Processes with Multiple Discontinuities
具有多重不连续点的函数型过程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：摘要明确研究过程均值的多重变点及结构突变，与结构变化方向直接相关。
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
具有多重不连续点的函数型过程
- 研究问题
- 函数型数据过程的均值发生多次突变时，如何估计变点总数、位置和跳跃幅度，并处理变点附近的特殊信息？
- 方法与思路
- 作者采用半核方法处理变点附近的数据，研究变点数量、位置与跳幅的推断，并通过模拟和多个真实数据集作说明。
- 材料陈述的贡献
- 摘要称，论文系统研究所提程序的收敛速度和渐近分布，为函数型过程中的多重均值突变提供估计与推断方法。
- 阅读关注点
- 应核对函数型过程的观测方式与依赖条件、半核和带宽的选择，以及变点间距、跳幅和数量对渐近结果的限制。
- 阅读边界
- 仅据所给 Crossref 摘要，具体收敛速度、变点可检测条件与实证结果均未说明，不能据此判断相对其他方法的表现。
原文摘要
Abstract We consider the problem of estimating multiple change points for a functional data process. There are numerous examples in science and finance in which the process of interest may be subject to some sudden changes in the mean. The process data that are not in a close vicinity of any change point can be analysed by the usual nonparametric smoothing methods. However, the data close to change points and contain the most pertinent information of structural breaks need to be handled with special care. This paper considers a half-kernel approach that addresses the inference of the total number, locations and jump sizes of the changes. Convergence rates and asymptotic distributional results for the proposed procedures are thoroughly investigated. Simulations are conducted to examine the performance of the approach, and a number of real data sets are analysed to provide an illustration.