Post Hoc Inference for Component Attribution in Multivariate Change-Point Detection
多变量变点检测后的分量归因推断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。
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：摘要明确针对多变量时间序列的变点与检测后归因，方法主题直接对应时间序列和结构变化。
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…
多变量变点检测后的分量归因推断
- 研究问题
- 多变量时间序列的变点被离线算法定位后，如何判断变化来自两个预先定义的坐标块中的哪一个，或是否同时发生于两个块？
- 方法与思路
- 作者提出检测后的统计程序，主要利用非参数两样本检验对预设坐标块进行变化归因，并建立第一类错误控制的理论保证。
- 材料陈述的贡献
- 摘要称为已检测变点提供了具有错误控制保证的分量归因方法，并通过模拟和一项真实数据实验展示程序的表现。
- 阅读关注点
- 应核对变点检测与后续检验的数据关系、检测选择如何影响错误率，以及预设分块、时间依赖和定位误差所需的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出错误控制条件、具体检验构造或结果数值，不能默认适用于所有检测算法。
原文摘要
We consider the post-detection analysis of change-points for multivariate time series, with the goal of identifying which coordinates are responsible for a detected change. After a change-point has been located by an offline detection algorithm, we propose post hoc statistical procedures to determine whether the change occurs in either of two predefined blocks of coordinates or in both. Our methods rely on two-sample testing procedures with a particular focus on nonparametric tests; we provide theoretical guarantees for Type I error control. Simulations and a real-data experiment demonstrate the strong performance of the proposed procedures.