Detecting a Smooth Signal: Optimality of Cusum Based Procedures
平滑信号检测：基于累积和程序的最优性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：摘要研究一般平滑信号检测，使用累积和并不构成研究结构突变的充分依据。
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
平滑信号检测：基于累积和程序的最优性
- 研究问题
- 在随机平滑函数模型下，残差累积和为何能够检测非多项式平滑信号，以及它与局部最强检验之间存在什么关系？
- 方法与思路
- 作者用基于差分的粗糙度度量选择信号协方差矩阵，并将相关二次型统计量与残差累积和序列的平方和联系起来。
- 材料陈述的贡献
- 摘要称，在这一协方差选择下，局部最强检验统计量可表示为残差累积和平方和，为其检测平滑信号的能力提供理论依据。
- 阅读关注点
- 应核对随机平滑函数模型、粗糙度度量与协方差选择的关系，以及局部最强性质所针对的备择和残差的构造方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；二次型上下标显示不清，需查原 PDF，局部最强性不能泛化，也不能推断刊本变化。
原文摘要
Cox et al. (1988) show that under a random smooth function model with signal covariance matrix V, a locally most powerful test for the presence of a nonpolynomial signal is based on the statistic yTVy. We show that if a well-known difference-based roughness measure is used to derive a natural choice for V then this statistic is the sum of squares of a residual cusum sequence. Thus we confirm theoretically the long-held impression that the residual cusum sequence is powerful as a tool for the detection of smooth signal.