Change point detection and inference in multivariable nonparametric models under mixing conditions
混合条件下多变量非参数模型的变化点检测与推断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：摘要明确以多变量时间序列的短程依赖和分布变化点定位为研究对象。
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…
混合条件下多变量非参数模型的变化点检测与推断
- 研究问题
- 对具有短程依赖、分布分段不变的多变量时间序列，如何定位未知变化点，并在跳跃幅度缩小时开展统计推断？
- 方法与思路
- 作者在密度属于 Hölder 类的框架下研究变化点估计，推导不同跳跃幅度下的极限分布，并构造块式长期方差估计。
- 材料陈述的贡献
- 摘要称给出跳跃幅度趋零或保持常数时的极限分布，并提出短期依赖下的一致变化点估计与长期方差估计。
- 阅读关注点
- 应核对混合条件、最小跳跃与变化点间距的要求，以及两种极限分布情形如何影响日期区间和块长度选择。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出混合速率、平滑度及信号条件，数值证据也未量化。
原文摘要
This paper studies multivariate nonparametric change point localization and inference problems. The data consists of a multivariate time series with potentially short range dependence. The distribution of this data is assumed to be piecewise constant with densities in a Hölder class. The change points, or times at which the distribution changes, are unknown. We derive the limiting distributions of the change point estimators when the minimal jump size vanishes or remains constant, a first in the literature on change point settings. We are introducing two new features: a consistent estimator that can detect when a change is happening in data with short-term dependence, and a consistent block-type long-run variance estimator. Numerical evidence is provided to back up our theoretical results.