Nonanticipating estimation applied to sequential analysis and changepoint detection
非预见估计在序贯分析与变点检测中的应用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：摘要直接研究分布参数变化的序贯检测，与结构变化方向对应，但未提供宏观应用。
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
非预见估计在序贯分析与变点检测中的应用
- 研究问题
- 当独立观测的分布参数偏离已知受控值时，如何在变化后参数未知、参数空间复杂的情况下开展序贯检测？
- 方法与思路
- 作者运用非预见估计思路构造序贯检验和检测方案，并以单变量及多变量 Gamma 分布形状参数变化为例。
- 材料陈述的贡献
- 摘要称，该方法在检测过程中估计未知的变化后参数，尤其适用于混合型规则难以构造或操作的参数空间。
- 阅读关注点
- 应核对非预见估计的信息使用范围、受控状态下的误报控制，以及变化后参数估计如何影响检测性能。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；明确设定独立观测，但未说明误报界、检测延迟或最优性，不能外推至依赖数据。
原文摘要
Suppose a process yields independent observations whose distributions belong to a family parameterized by θ∈Θ. When the process is in control, the observations are i.i.d. with a known parameter value θ0. When the process is out of control, the parameter changes. We apply an idea of Robbins and Siegmund [Proc. Sixth Berkeley Symp. Math. Statist. Probab. 4 (1972) 37–41] to construct a class of sequential tests and detection schemes whereby the unknown post-change parameters are estimated. This approach is especially useful in situations where the parametric space is intricate and mixture-type rules are operationally or conceptually difficult to formulate. We exemplify our approach by applying it to the problem of detecting a change in the shape parameter of a Gamma distribution, in both a univariate and a multivariate setting.