Tests for constancy of model parameters Over time
模型参数随时间恒定性的检验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：摘要以参数随时间变化为核心，并明确将时间序列列为适用模型。
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
模型参数随时间恒定性的检验
- 研究问题
- 当数据服从给定参数模型但参数可能随时间变化时，如何检验参数恒定性，并定位变化发生的时间和类型？
- 方法与思路
- 作者构造在无变化原假设下收敛到独立布朗桥的监测过程，据此建立检验统计量，并选择提高局部功效的权重。
- 材料陈述的贡献
- 摘要提出适用于正则参数模型的统一大样本框架，覆盖回归、马尔可夫链和时间序列，并讨论变化定位与最优权重。
- 阅读关注点
- 应核对正则条件、参数估计对过程极限的影响、最优权重针对的备择，以及初筛后定位变化的统计保证。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未提供依赖条件、有限样本校准或变化定位误差的具体结果。
原文摘要
Suppose that a sequence of data points follows a distribution of a certain parametric form, but that one or more of the underlying parameters may change over time. This paper addresses various natural questions in such a framework. We construct canonical monitoring processes which under the hypothesis of no change converge in distribution to independent Brownian bridges, and use these to construct natural goodness-of-fit statistics. Weighted versions of these are also studied, and optimal weight functions are derived to give maximum local power against alternatives of interest. We also discuss how our results can be used to pinpoint where and what type of changes have occurred, in the event that initial screening tests indicate that such exist. Our unified large-sample methodology is quite general and applies to all regular parametric models, including regression, Markov chains, and time series situations.