Distribution-free changepoint detection tests based on the breaking of records
基于破纪录事件的分布无关变点检验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：摘要直接研究时间序列变点检测，并讨论季节性与序列相关的处理。
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
基于破纪录事件的分布无关变点检验
- 研究问题
- 能否利用序列中的上纪录与下纪录事件构造不依赖具体分布的变点检验，并进一步处理季节成分及序列相关？
- 方法与思路
- 作者提出三种基于纪录指示变量的 CUSUM 型统计量，用函数中心极限定理推导极限分布，并开展模拟与温度序列应用。
- 材料陈述的贡献
- 摘要称主要统计量在独立同分布零假设下渐近服从 Kolmogorov 分布，另提出处理季节性和序列相关的统计量及 R 实现。
- 阅读关注点
- 应核对纪录事件的定义、独立同分布零假设和极限论证，尤其检查处理相关与季节性的统计量是否具有同样保证。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；主要理论针对独立同分布序列，摘要未说明扩展统计量的完整条件。
原文摘要
The analysis of record-breaking events is of interest in fields such as climatology, hydrology or anthropology. In connection with the record occurrence, we propose three distribution-free statistics for the changepoint detection problem. They are CUSUM-type statistics based on the upper and/or lower record indicators observed in a series. Using a version of the functional central limit theorem, we show that the CUSUM-type statistics are asymptotically Kolmogorov distributed. The main results under the null hypothesis are based on series of independent and identically distributed random variables, but a statistic to deal with series with seasonal component and serial correlation is also proposed. A Monte Carlo study of size, power and changepoint estimate has been performed. Finally, the methods are illustrated by analyzing the time series of temperatures at Madrid, Spain. The R package $\texttt{RecordTest}$ publicly available on CRAN implements the proposed methods.