Changepoint Detection in Categorical Time Series with Application to Daily Total Cloud Cover in Canada
分类时间序列的变点检测及加拿大每日总云量应用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。
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：摘要直接处理周期性、序列相关的分类时间序列及单变点检测，尽管应用数据来自气象。
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
分类时间序列的变点检测及加拿大每日总云量应用
- 研究问题
- 如何在具有周期性和序列相关的分类时间序列中检测突变，避免年度汇总缩短序列，并允许不同类别具有不同的变点设定？
- 方法与思路
- 作者采用边际化转移模型，以一阶马尔可夫链刻画依赖，提出更高效的极大似然估计程序，并构造最大选择似然比检验。
- 材料陈述的贡献
- 摘要称，方法面向单个变点并允许类别特定设定，同时改善参数估计的计算效率；应用使用加拿大机场每日两个时点的总云量记录。
- 阅读关注点
- 应核对类别特定设定与单变点框架如何兼容、周期项和马尔可夫依赖的形式、未知变点下检验校准，以及估计程序的效率依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明检验极限分布、临界值及检测结果，不能推定适用于多变点或任意依赖。
原文摘要
Changepoints are essential for homogenizing categorical time series and analyzing their trends and variations. The original total cloud cover in Canada was recorded hourly in tenths (or eighths), exhibiting inherent seasonality and serial correlation. Lu and Wang (2012) introduced an extended cumulative logit model to detect shifts in the annual frequencies of cloud cover conditions. While annual aggregation mitigates seasonality and serial correlation, it shortens the time series and may lead to overdispersion. This article introduces a marginalized transition model to detect a single changepoint in periodic and serially correlated categorical time series. The model captures serial dependence using a first-order Markov chain and enables category-specific changepoint specification. To enhance computational efficiency, we develop a new parameter estimation procedure for obtaining maximum likelihood estimates. A maximally selected likelihood ratio test statistic is then proposed to test for sudden changes in categorical time series, and the method is illustrated using daily total cloud cover observations recorded at 9 a.m. and 3 p.m. at Fort St. John Airport, British Columbia, Canada.