Nonparametric Change-Point Estimation
非参数变点估计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：摘要直接研究观测序列前后分布发生变化时的变点估计，属于结构变化方法。
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
非参数变点估计
- 研究问题
- 对于变点前后服从不同分布的独立观测序列，如何在未知分布形式、甚至均值等低阶特征相同时一致估计变点位置？
- 方法与思路
- 作者提出一类不依赖前后分布参数形式的变点估计量，以一致性证明获得收敛速度和误差概率界，并进行数据应用与模拟。
- 材料陈述的贡献
- 摘要称，估计量强一致，且能处理均值、方差和偏度相同的分布变化；两组数据结果与此前参数分析接近。
- 阅读关注点
- 应核对分布差异在正概率集合上的条件、变点位置限制，以及收敛速度、误差界和低阶矩相同情形的模拟设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。摘要明确采用独立观测，未给出具体速率或误差界，也未说明对序列相关、多变点或渐变情形的适用性。
原文摘要
Consider a sequence of independent random variables $\{X_i: 1 \leq i \leq n\}$ having cdf $F$ for $i \leq \theta n$ and cdf $G$ otherwise. A class of strongly consistent estimators for the change-point $\theta \in (0, 1)$ is proposed. The estimators require no knowledge of the functional forms or parametric families of $F$ and $G$. Furthermore, $F$ and $G$ need not differ in their means (or other measure of location). The only requirement is that $F$ and $G$ differ on a set of positive probability. The proof of consistency provides rates of convergence and bounds on the error probability for the estimators. The estimators are applied to two well-known data sets, in both cases yielding results in close agreement with previous parametric analyses. A simulation study is conducted, showing that the estimators perform well even when $F$ and $G$ share the same mean, variance and skewness.