Linking Frequentist and Bayesian Change-Point Methods
连接频率学派与贝叶斯变点方法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：摘要明确涉及结构断点检测、长时间序列及预测中的变点方法组合。
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…
连接频率学派与贝叶斯变点方法
- 研究问题
- 能否将线性变点模型中的最小描述长度准则解释为贝叶斯边际似然，从而结合变点估计、概率表达和方法组合？
- 方法与思路
- 作者建立两阶段最小描述长度准则与特定先验族下边际似然的对应关系，并据此改造变点方法，进行后验选择与组合。
- 材料陈述的贡献
- 摘要称这一联系可结合频率方法的一致性与计算效率，以及贝叶斯变点概率和模型后验；模拟显示改造方法改善断点检测。
- 阅读关注点
- 应核对对应关系适用的线性模型与先验条件、一致性结果的前提，以及长时间序列中的方法组合和预测评价设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实。摘要未给出先验形式、定理条件或改善幅度，不能推及所有变点模型。
原文摘要
We show that the two-stage minimum description length (MDL) criterion widely used to estimate linear change-point (CP) models corresponds to the marginal likelihood of a Bayesian model with a specific class of prior distributions. This allows results from the frequentist and Bayesian paradigms to be bridged together. Thanks to this link, one can rely on the consistency of the number and locations of the estimated CPs and the computational efficiency of frequentist methods, and obtain a probability of observing a CP at a given time, compute model posterior probabilities, and select or combine CP methods via Bayesian posteriors. Furthermore, we adapt several CP methods to take advantage of the MDL probabilistic representation. Based on simulated data, we show that the adapted CP methods can improve structural break detection compared to state-of-the-art approaches. Finally, we empirically illustrate the usefulness of combining CP detection methods when dealing with long time series and forecasting.