Monitoring for a change point in a sequence of distributions
分布序列变点的在线监测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：摘要直接研究随时间到达的分布序列中的未知变点及顺序检测。
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…
分布序列变点的在线监测
- 研究问题
- 每个时点均有大量观测、变化前后分布均未知时，如何随新数据到达，判断分布序列是否发生一次持续变化？
- 方法与思路
- 作者以加权 Wasserstein 距离构造顺序检测程序，在各时点观测数量可趋于无穷的框架下研究其性质。
- 材料陈述的贡献
- 摘要称建立了检测程序的渐近与有限样本有效性，并使用标普五百指数成分股收益展示其应用表现。
- 阅读关注点
- 应核对距离权重、报警阈值、有效性的具体定义，以及观测间依赖、监测期限和检测延迟如何处理。
- 阅读边界
- 仅据未注明稿件版本的 OpenAlex 索引摘要；有效性的条件、检测延迟与应用数值未说明，不能推断刊本变化。
原文摘要
We propose a method for the detection of a change point in a sequence {Fi} of distributions, which are available through a large number of observations at each i≥1. Under the null hypothesis, the distributions Fi are equal. Under the alternative hypothesis, there is a change point i∗>1, such that Fi=G for i≥i∗ and some unknown distribution G, which is not equal to F1. The change point, if it exists, is unknown, and the distributions before and after the potential change point are unknown. The decision about the existence of a change point is made sequentially, as new data arrive. At each time i, the count of observations, N, can increase to infinity. The detection procedure is based on a weighted version of the Wasserstein distance. Its asymptotic and finite sample validity is established. Its performance is illustrated by an application to returns on stocks in the S&P 500 index.