A Nonparametric Control Chart for Detecting Small Disorders
检测小幅变化的非参数控制图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：摘要明确研究未知变化点后的分布变化及序贯检测，包含位置、尺度和污染变化，直接对应结构变化方向。
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
检测小幅变化的非参数控制图
- 研究问题
- 当独立观测的分布在未知时点发生小幅变化时，如何利用非参数序贯监测尽快发现变化，同时限制误报？
- 方法与思路
- 作者以序贯秩的部分加权和构造控制图，借助变化后出现漂移的布朗运动极限，与基于原始观测部分和的控制图比较。
- 材料陈述的贡献
- 摘要称，在所讨论重尾分布比较中，秩控制图更频繁且更快停止；位置、尺度和污染变化的模拟结果与理论相符。
- 阅读关注点
- 应核对小幅变化的渐近设定、权重与报警阈值、两类控制图的误报校准，以及较快停止对应的检测率和延迟指标。
- 阅读边界
- 依据版本未注明的索引摘要；比较受独立观测、小幅变化和指定分布限制，更频繁停止不应脱离误报控制直接解释为更好。
原文摘要
We consider sequential observation of independent random variables $X_1,\cdots, X_N$ whose distribution changes from $F$ to $G$ after the first $\lbrack N\theta \rbrack$ variables. The object is to detect the unknown change-point quickly without too many false alarms. A nonparametric control chart based on partial weighted sums of sequential ranks is proposed. It is shown that if the change from $F$ to $G$ is small, then as $N \rightarrow \infty$, the appropriately scaled and linearly interpolated graph of partial rank sums converges to a Brownian motion on which a drift sets in at time $\theta$. Using this, the asymptotic performance of the one-sided control chart is compared with one based on partial sums of the $X$'s. Location change, scale change and contamination are considered. It is found that for distributions with heavy tails, the control chart based on ranks stops more frequently and faster than the one based on the $X$'s. Performance of the two procedures are also tested on simulated data and the outcomes are compatible with the theoretical results.