厚尾序列均值变点的非参数检验

目的 考虑稳定系数为κ的厚尾分布的均值变点检验问题.方法 利用非参数检验方法.结果 基于Wilcoxon秩和统计量,构造出了相应的检验统计量.结论 得到了原假设下统计量的渐近分布,并证明了在备择假设下统计量的相合性.     

混合序列均值变点的收敛速度研究

文考虑了一列具有均值变点的ρ~-混合序列{X_i;i=1,2,…,n}(n≥2),在X_i的q阶矩有限(q>2,1≤i≤n)的前提下,我们得到均值变点的CUSUM估计量的强弱相合性,并且得到强弱收敛速度。类似的在相同的前提下,本文得到了(?)混合序列中均值变点的强弱相合性以及强弱收敛速度.     

随机设计下非参数回归模型方差变点检验

目的 研究随机设计下非参数回归模型方差变点检验.方法 用局部多项式方法估计回归曲线得到残差序列,基于残差序列的平方构造CUSUM检验统计量,推导检验统计量的极限分布.结果 在一定条件下证明了原假设下检验统计量收敛于Brown桥的上确界.结论 局部多项式方法同时适用于随机设计与固定设计数值,方法性是有效性的.     

噪声为混合序列的非参数函数变点的小波检测

利用小波方法对新息过程为混合序列的非参数回归函数的跳跃点进行检测.在原假设下得到任意尺度上的临界值.     

噪声为混合序列的非参数函数变点的小波检测

利用小波方法对噪声为混合序列的非参数回归函数的跳跃点进行检测.在原假设下得到任意尺度上的临界值.     

相依序列方差变点的非参数统计分析

基于严平稳β-混合过程,建立回归函数和条件方差函数形式均未知情况下的自回归异方差模型方差变点的估计方法;并给出变点检验统计量渐近正态性的证明,由此得到方差变点的检验方法;最后,通过数值模拟,展示估计方法的有效性.     

非参数趋势项时间序列自协方差函数的变点检测

本文主要考虑带有非参数趋势项时间序列的自协方差函数的变点检测问题.本文采用局部多项式对趋势项进行拟合,并对去除趋势项后的时间序列,通过累积和(CUSUM)统计量进行变点分析.在GMC条件及一些正则性假设下,我们讨论了检验统计量在原假设和备择假设下的渐近性质及检验的相合性.实证方面,我们运用0-5阶的局部多项式分别对带有AR(1)误差的模型进行估计,并进行变点检测.通过检验水平和经验功效的比较分析,验证了有限样本下检验方法的有效性.     

具有共同均值的随机元件间的NBUE序关系的非参数检验

Based upon the theory of L-statistics,a nonparametric procedure is developed to tcst the strict NBUE ordering between two independcnt random lives with common finite means。The consistency of the presentcd procedure is obtained as well。     

至多一个斜率变点模型的收敛速度

对线性模型中至多只有一个斜率变点τ0的模型,利用局部比较方法给出了变点τ0估计的强、弱相合性和强、弱收敛速度,同时在局部对立假设下研究了变点估计的Op收敛速度.     

变进位记数制与伪随机序列的产生

本文提出了一种通用的变进位记数制 ,以及其中的一种进位制──自然进位制 .并方便地用于解决序列的全排列问题 .在此基础上 ,提出了两种产生伪随机数序列的方法 :码控字节交换法和码控位交换法 .作者希望这种变进位记数制能在其它应用领域发挥其作用 .     

两两NQD随机序列的几个改进的强相合性质

通过不同方法,对两两NQD随机序列已有的Kolmogorov型三级数定理进行改进.进一步地,将改进的定理简化为一级数定理.通过这个简化的结论,可以容易地推广改进相关强相合的最新结果.该结果在讨论NQD的强相合性质上,是简洁有效的工具.同时该结果表明,两两NQD随机序列具有与独立情形完全类似的强相合结果.     

随机序列的分维研究

用分形方法分析了各种独立的雷达杂波过程，得到了各随机序列的分形维数，并分析了分形维数与各随机序列幅度的概率分布及其频谱宽度的关系，随机序列分维研究为雷达信号检测提供了一个新思路。     

多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(XK1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k∞=1,…,n,i=1,…,p为正实数.定义点过程:Ni(.)=∑k=1I{Xki>uki}I{kn}(.).在一定条件下,本文得到了p个分量点过程N1(.),…,Np(.)的渐近独立性.     

多维非平稳高斯序列的超过数形成的点过程的渐近分布

{Xk,k=1,…,n}={(Xk1,…,Xkp),k=1,…,n}是多维标准化的高斯序列,uki,k=1,…,n,i=1,…,p为正实数.定义点过程Ni(·)=∞∑k=1 I|Xki＞uki|I|k/n|(·).在一定条件下,本文得到了p个分量点过程N1(·),…,Np(·)的渐近独立性.     

检测非平稳时间序列中离群点和变化点的统一框架

文章为在非平稳时间序列的在线学习理论的基础上检测离群点和变化点提出了一个统一框架.在这个框架中数据源的一个概率模型用一种在线折扣学习算法被逐步学习,该算法能通过逐渐忘记过去数据的效果自适应地跟踪变化的数据源.然后任一给定数据的分数被计算出来测量它与学习模型的偏差,高分表明更有可能是离群点.进一步地数据流中的变化点通过用这一学习模型应用这种得分方法到一个移动平均损失预测时间序列中来检测.特别地我们为来自时间序列数据的自回归模型的在线折扣学习发明了一种有效算法,并通过仿真和在股票市场数据分析的实际应用验证框架的有效性.     

水文时间序列变点识别的一种稳健方法

针对目前水文时间序列变点识别研究中忽略了方法的稳健性,未能充分考虑异常值的影响的不足,提出了利用一种高度稳健的高斯混合密度分解算法来识别水文时间序列中的变点,并以此来研究水文时间序列均值的突变该方法的核心是根据观测到的资料,通过逐步挖掘服从不同正态分布的时间序列分支,将均值变点的识别问题转化为混合正态密度的聚类问题,从而达到估计变点的位置以及自动获得变点的数目估计的目的实例计算结果表明,该方法对含有噪声的时间序列数据,仍能准确识别变点的位置,较好地解决了水文序列变点识别的稳健性问题．     

方差变点的加权累积和估计的极限性质

研究了方差变点的加权累积和估计的一些极限性质.证明了这个估计量的相合性和收敛速度,并由此推导出了变点估计量在局部对立假设下的渐近分布的形式,它是一个有偏移的双边布朗运动.通过渐近分布的数值解可以构造出估计量的渐近置信区间.计算机模拟和实际数据分析表明,这个估计量在应用中有很好的表现.     

符号检验:一种常用的非参数检验

符号检验是一种应用非常广泛的非参数检验,其是对两个相关样本的每对数据之差的符号进行检验,进而比较两个样本的显著性.     

长记忆时间序列均值变点的比率检验

本文基于两种比率方法研究了长记忆时间序列均值变点的检验问题,在无变点原假设下推导出了检验统计量的极限分布,在备择假设下证明了检验方法的一致性.由于检验统计量的极限分布依赖未知的长记忆参数,还提出了一种避免估计长记忆参数的Sieve AR Bootstrap方法来近似计算检验统计量的临界值,数值模拟结果表明提出的检验方法具有较好的检验效果.最后通过分析一组尼罗河年径流量数据说明了方法的可行性.     

均值已知时，正态分布方差变点的假设检验

讨论了均值已知时，正态分布方差变点的假设检验问题，分别导出了变点的参数检验和非参数检验，给出了一个Bayes检验，而且还给出了这些检验的渐近临界值，并对它们进行了比较。