Testing exchangeability with martingale for change-point detection
本文提出了一种新的基于鞅的随机序列互换性检验方法。其主要贡献包括：1）利用Hoeffding-Azuma引理构造了一个更适合于交换检验设计的可加鞅; 2）研究了构造可加鞅的不同投注函数。通过选择p值的潜在密度函数作为赌注函数，可以证明当变点出现时，鞅序列的光滑性和期望一步增量之间可以得到令人满意的折衷.详细讨论了基于β分布参数化的在线构造投注函数的算法。
2020-07-24 math.ST stat.TH
Optimal Change-point Testing for High-dimensional Linear Models with Temporal Dependence
本文针对具有时间依赖性的高维线性模型，提出一种二次型CUSUM变点检验统计量，证明其渐近最优性，并开发自适应参数估计与变点定位方法，通过数值实验和宏观经济学实际数据验证了方法的有效性。
2024-10-22 math.ST stat.TH
Testing for changes in polynomial regression
我们考虑一个非线性多项式回归模型，在这个模型中，我们希望检验回归参数中的结构稳定性的原假设与未知时间的突变的替代。本文给出了最大型检验统计量的极值分布，它与最大选择似然比似然比渐近等价。由此产生的测试易于应用，即使在小样本中也具有良好的尺寸和功率。
2008-10-22 math.ST stat.TH
Hypothesis testing for partial tail correlation in multivariate extremes
Department of Statistics, West Virginia University（西弗吉尼亚大学统计系）；School of Mathematical Sciences, Lancaster University（兰卡斯特大学数学科学学院）
本文提出了一种用于多变量极值中部分尾相关性检验的方法，通过尾部回归和极值协方差矩阵分析，揭示极值依赖结构中的稀疏性。
2025-12-30 stat.ME
Data-Driven Threshold Machine: Scan Statistics, Change-Point Detection, and Extreme Bandits
Georgia Tech（佐治亚理工学院）
我们提出了一种新的分布免费的方法，数据驱动的阈值机（DTM），在许多学习任务的核心的一个基本问题：选择一个阈值为一个给定的预先指定的水平，边界的最大值（可能依赖，但平稳）随机序列的尾部概率。我们不假设数据分布，而是依赖于极值的渐近分布，并减少了问题的极值分布和极值指数的三个参数估计。我们通过估计极值索引来特别关注数据依赖性，因为在许多设置中，例如扫描统计，变点检测和极端强盗，其中统计序列中的依赖性可能很重要。我们的DTM的主要特点还包括鲁棒性和计算效率，它只需要一个样本路径，以形成一个可靠的估计阈值，相比之下，蒙特卡洛采样方法，需要绘制大量的样本路径。我们证明了良好的性能DTM通过数值例子在各种相关的设置。
2016-10-14 cs.LG math.ST stat.ML
Testing Exponentiality Against a Trend Change in Mean Time to Failure in Age Replacement
平均无故障时间在年龄更换评估的性能和有效性的年龄更换政策。在本文中，我们提出了一个测试的指数对平均时间的趋势变化，以失败的年龄更换。在原假设下，我们得到了检验统计量的渐近分布，以逼近临界值。我们进行了模拟研究，以调查所提出的测试的性能，并将其与文献中的一些著名的测试进行比较。
2018-10-26 math.ST stat.ME stat.TH
Testing for Stable Intervals in Non-Stationary Time Series
FH Aachen（亚琛应用科学大学）
针对非平稳时间序列中可能存在科学意义稳定区间的问题，构建带相依局部平稳误差的回归模型检验框架，通过局部线性回归估计与极值近似实现渐近水平控制的相合检验，并经模拟与实际数据验证。
2026-08-26 math.ST stat.ME stat.TH
Modeling extremal dependence in multivariate and spatial problems: a practical perspective
School of Mathematics and Statistics, UNSW Data Science Hub (uDASH), UNSW Sydney（新南威尔士大学数学与统计学院、数据科学中心）；Department of Decision Sciences, Bocconi University（博科尼大学决策科学系）
本文从环境科学到金融领域，探讨了如何通过ExtremalDep包评估超出观测数据的极值风险，提供多变量和空间极值分析的实用方法和工具。
2026-04-05 stat.ME
Robust Discrimination between Long-Range Dependence and a Change in Mean
在本文中，我们介绍了一个强大的离群值Wilcoxon变点检验程序，用于区分短期相关的时间序列与变化的平均值在未知的时间和平稳的长期相关的时间序列。本文建立了$L_1$近时相依过程在原假设下检验统计量的渐近分布，并证明了其在备择假设下的相合性。Wilcoxon型检验程序类似于Berkes、Horváth、Kokoszka和Shao（2006）的随机变量型检验程序，需要估计可能的变点位置，然后使用前和后中断子样本来区分短期和长期相关性。一项模拟研究探讨了标准情况下的Wilcoxon型检验程序的经验大小和功率，并与异常值的干扰。它表明，在标准的情况下，Wilcoxon型测试程序的行为同样好的CRAMUM型测试程序，但优于它存在离群值。我们还将这两种检验方法应用于水文数据。
2020-07-04 stat.ME
A Change-Point Approach to Estimating the Proportion of False Null Hypotheses in Multiple Testing
本文提出一种基于变点的 $λ$ 选择方法，通过分段线性逼近 $p$ 值图来估计虚假零假设比例，模拟显示其 RMSE 较小，并扩展至超均匀 $p$ 值情形。
2024-05-05 stat.ME
Diffusion-Based Hypothesis Testing and Change-Point Detection
Department of Electrical and Computer Engineering, Duke University（电气与计算机工程系，杜克大学）；Department of Industrial Engineering, University of Pittsburgh（工业工程系，匹兹堡大学）
本文提出基于扩散的假设检验与变点检测方法，通过优化权重矩阵扩展得分函数，理论上量化性能并数值模拟验证其优势。
2026-10-23 cs.LG stat.ML
Multiple change-point detection on the circle via isolation using permutation testing
University of Luxembourg（卢森堡大学）；University of Cyprus（塞浦路斯大学）
本文提出了一种基于排列检验和隔离方法的圆上多突变点检测方法，通过模拟和实际数据验证了其在不同噪声结构下的有效性与鲁棒性。
2026-03-11 stat.ME
Testing and Dating Structural Changes in Copula-based Dependence Measures
本文研究了多元时间序列相依结构中结构突变的检验和判定。我们考虑了一个累积和（Cumulative sum，Cumulative sum）类型的检验，用于基于常数Copula的依赖度量，如Spearman秩相关和分位数依赖。渐近零分布是未知的封闭形式和临界值估计的独立同分布。bootstrap程序我们在不同的依赖性测量设置下，如偏态分布和厚尾分布的模拟研究中分析了大小和功率特性。为了确定断点的日期和判断两个估计的断点位置是否属于同一个断点事件，我们提出了一个枢轴置信区间方法。最后，我们将检验应用于2002年至2013年中期上一次金融危机期间十大金融公司的历史数据。
2020-11-10 econ.EM stat.AP
Applying multiple testing procedures to detect change in East African vegetation
植被波动的研究为有效的土地利用和发展提供了有价值的信息。我们认为这个问题的基础上，从1982年至2006年收集的卫星遥感数据的归一化植被指数（NDVI）系列超过8公里的网格点的东非地区。我们检测区域的显着增加或减少单调的植被变化，使用多重检验程序控制的混合方向错误发现率（mdFDR）。具体来说，我们使用一个三阶段的定向Benjamini-Hochberg（BH）的程序与证明mdFDR控制下的独立性和一个合适的自适应版本it. The性能的这些程序进行了研究，通过模拟之前，将它们应用到植被数据。我们的分析表明，北半球以及坦桑尼亚沿海地区的植被增加，南半球植被普遍减少，这与历史证据一致。
2014-05-05 stat.AP
Change Point Analysis of Multivariate Data: Using Multivariate Rank-based Distribution-free Nonparametric Testing via Measure Transportation with Applications in Tumor Microarrays and Dementia
在本文中，我提出了一个通用的算法，通过多变量分布自由的非参数检验的概念的基础上，由测量运输定义的秩的多个变点分析。多元秩和通常的一维秩都有一个重要的性质：它们都是分布自由的。这一发现允许在原假设下创建无分布的非参数检验。这种方法在各种领域的应用，在本文中，我实现了这种算法的微阵列数据集的个人膀胱肿瘤，ECoG快照癫痫患者，并在CASI分数的轨迹的背景下，教育水平和痴呆状态。每个变化点表示认知能力评分多年变化率的变化，表明存在临床前痴呆。在这里，我将估计一个多变量时序观测序列中的变点数量及其位置。本文将研究多个变点问题，在一个广泛的设置中，观察到的分布和数量的变化点是未指定的，而不是假设的时间序列观测遵循参数模型或有一个变点，因为在这一领域的许多作品假设。这里的目标是创建一个算法来检测变化点，同时尽可能少地对数据集进行假设。给出了这种新算法的理论性质以及估计变点的近似数目和位置的条件。该算法也已在GitHub上提供的R包recp中成功实现。本文的一个部分专门介绍此过程的执行以及recp包的使用。
2021-11-07 stat.ME
Change Detection in Probability Flow ODE: Online Testing in Diffusion Latent Spaces
National Research University Higher School of Economics（国立研究型大学高等经济学院）；The University of Sydney Business School（悉尼大学商学院）；CIREQ（蒙特利尔数量经济学研究中心）；CEBDA（应用经济学与数据分析研究中心）
该研究针对序列数据分布偏移检测难题，提出基于概率流常微分方程与最大均值差异的在线检测方法，可检测任意分布偏移且无需参数假设。
2026-08-26 cs.LG stat.ML
Testing for parameter change in general integer-valued time series
研究一类离散值时间序列的结构变化，即条件分布服从单参数指数族。我们提出了一个基于模型参数的极大似然估计的变点检验。在（无变化）的原假设下，检验统计量收敛于已知分布，允许计算检验的临界值。检验统计量在备选项下发散到无穷大，即检验渐近具有功效1。一些模拟结果和实际数据的应用报告显示的测试程序的适用性。
2016-02-28 math.ST stat.TH
Testing for change-points in long-range dependent time series by means of a self-normalized Wilcoxon test
我们提出了一种基于Wilcoxon双样本检验统计量的检验方法，以检验长期相关数据均值的变点。我们表明，相应的自归一化检验统计量收敛于分布的非退化限制的假设下，没有发生变化，它发散到无穷大下的一个变点与恒定的高度的替代。在局部替代下，即假设水平移动的高度随着样本量的增加而减小，我们得到了自归一化Wilcoxon检验统计量的渐近分布.关于有限样本性能，模拟结果证实，自归一化Wilcoxon检验在假设和替代之间产生一致的区分，并且其经验大小已经接近中等样本量的显着性水平。
2014-09-09 math.ST stat.TH
Testing for change points in time series models and limiting theorems for NED sequences
本文首先建立了近历元相关序列前后向和的强大数律和强不变原理。利用这些极限定理，我们发展了一个一般的渐近理论的Wald测试的变点在一般类的时间序列模型下的无变点假设。作为一个应用，我们验证了我们的假设的长记忆分数ARIMA模型。
2007-08-17 math.ST stat.TH
Inference and testing for structural change in time series of counts model
我们在这里一起考虑泊松自回归中的推理问题和变点问题（参见Tjøstheim，2012）。该过程的条件均值（或强度）是其过去值和过去观测值的非线性函数。在Lipschitz型条件下，证明了条件均值可以写成滞后观测值的函数。在后一种模型中，假设链路函数取决于未知参数$θ_0$。证明了参数极大似然估计的相合性和渐近正态性。这些结果被用来研究参数$θ_0$的变点问题。我们提出了两个测试的基础上的意见的可能性。在原假设（即无变化）下，证明了这两个检验统计量都收敛于一个显式分布。两个测试下的替代品的一致性证明。仿真结果表明了这些方法的实用性，并对实际数据进行了应用。
2013-05-08 math.ST stat.TH
Robust mean change point testing in high-dimensional data with heavy tails
University of Birmingham（伯明翰大学）；University of Warwick（华威大学）；London School of Economics and Political Science（伦敦政治经济学院）
研究重尾高维数据的均值变点检验问题，针对不同尾部条件与稠密/稀疏情形提出达到最优或接近最优速率的检验方法，并揭示极小极大检验速率在特定重尾条件下的新现象。
2025-10-12 math.ST stat.ME stat.TH
Limits on Testing Structural Changes in Ising Models
我们提出了新的信息理论的限制检测稀疏变化伊辛模型，在许多应用中出现的问题，网络的变化可能会发生由于一些外部刺激。我们发现，样本的复杂性检测稀疏的变化，在极大极小的意义上，是没有比学习整个模型，即使在设置与本地稀疏。这是一个令人惊讶的事实，鉴于先前的工作植根于稀疏恢复方法，这表明在这种情况下，样本的复杂性只与网络变化的数量。为了阐明变化检测何时比结构化学习更容易，我们考虑在森林结构图中测试边缘删除，并将高温铁磁体作为案例研究。我们表明，这些测试的小变化是同样困难的，但测试的\emph{large}的变化是很好的分离结构学习。这些结果意味着，图形模型的测试可能不服从的概念，如限制性强凸性利用稀疏模式恢复，而不是算法的开发应针对检测大的变化。
2020-11-07 cs.IT math.IT math.ST
Testing for changes in the error distribution in functional linear models
针对泛函线性模型，提出基于序贯残差经验分布函数的误差分布变点检验，该检验渐近分布自由且对单变点备择一致，并证明变点估计量的一致性。
2024-11-07 math.ST stat.ME stat.TH
Testing Structural Changes in Panel Data with Small Fixed Panel Size and Bootstrap
我们感兴趣的面板数据由中等或相对较大数量的面板组成，而面板包含少量观测。本文建立了测试程序，以检测面板的平均值可能发生的常见变化。为此，我们考虑了一个比率型检验统计量，并在不变原假设下得到了它的渐近分布。此外，我们证明了在替代下的测试的一致性。这种方法的主要优点是观测值的方差既不需要知道也不需要估计。另一方面，需要计算相关结构。为了克服这个问题，提出了一种完全数据驱动的方法，无需任何调优参数的引导技术。证明了自举算法的有效性。作为一个副产品的开发测试，我们介绍了一个共同的断点估计，并证明其一致性。通过仿真研究说明了结果。应用程序的精算数据。
2015-09-03 math.ST stat.TH
Testing epidemic change in nearly nonstationary process with statistics based on residuals
本文研究了一阶自回归过程$ y_{n,k} = φ_n y_{n,k-1} + ε_{k} + a_{n,k}$的新息的传染型变化，其中$ϕ_n$是$(-1,1)$中的常数或$(0,1)$中的序列，收敛到1。对于在某个未知区间$\mathbb{I}_n^\ast=(k^\ast,k^\ast+\ell^\ast]$内的$k$，$a_{n,k}=a_n$，而对于在$\mathbb{I}_n^\ast$外的$k$，$a_{n,k}=0$。当$a_n\neq 0$，我们有一个流行病偏离通常（零）的平均创新。由于没有观察到新息，我们建立均匀增量统计过程$y_{n,k}$的残差$(\widehatε_k)$。我们假设新息$(ε_k)$随指标$p \ge 2$有规律地变化，或者满足可积性条件：对于$p > 2$满足$\lim_{t \to \infty} t^p P(|ε_1| > t) = 0$，对于$p=2$满足$Eε_k^2 < \infty$.我们发现极限分布的测试下没有变化，并证明一致性短期流行病是$\ell^\ast=O(n^β)$的一些$0<β\le 1/2$。
2014-10-18 math.ST stat.TH
Testing and Estimating Change-Points in the Covariance Matrix of a High-Dimensional Time Series
本文研究了高维线性时间序列协方差结构中变点的检验和估计方法。假设的框架允许一个大类的多元线性过程（包括向量自回归移动平均（VARMA）模型）的增长维度和尖峰协方差模型。该方法使用中心或非中心样本方差-协方差阵的双线性型。变点检验和估计是基于最大选择加权累积和（MANUUM）统计量。大样本近似下的变点制度，包括一个多变量的CRAMUM变换的增加的维度。对于未知的渐近方差和协方差参数（对）的统计量，我们提出了一致的估计。基于弱大数定律的顺序版本，我们还考虑停止样本估计的观察，直到估计的变点。有限样本性质的程序进行了研究，通过模拟和他们的应用程序进行了说明，通过分析一个真实的数据集，从cumbermetrics。
2020-01-13 math.PR math.ST stat.AP
Selfnormalization for relevant inference with supremum-type statistics
Aarhus University（奥胡斯大学）
该研究针对函数时间序列相关变化的上确界型统计推断难题，提出结合平滑近似与偏差校正的自归一化方法，得到渐近精确检验，为相关假设下的统计推断提供了新框架。
2026-07-31 math.ST stat.ME stat.TH
Testing common structure in high-dimensional factor models: change-point and two-sample procedures
Technical University of Munich（慕尼黑工业大学）；University of North Carolina（北卡罗来纳大学）
本文提出一种新方法，用于检验两个高维因子模型中的共同结构，通过线性变换识别相同加载矩阵，适用于发现数据集间的个体关系及检测单个模型加载矩阵随时间变化的结构变化。
2026-03-15 math.ST stat.ME stat.TH
Testing Changes in Communities for the Stochastic Block Model
Boston University（波士顿大学）；Carnegie Mellon University（卡内基梅隆大学）
我们提出并分析了\textit{community goodness-of-fit and two-sample testing}的随机块模型（SBM）的问题，其中出现的变化，由于修改社区成员的节点。出于实际应用的需要，我们考虑了具有挑战性的稀疏制度，其中预期的节点度是恒定的，并且社区间平均度（$b$）与社区内平均度（$a$）成比例地缩放。先前的工作已经根据基于$a$和$b$的“信噪比”（$\mathrm{SNR}$）来明确地表征部分或全部社区恢复。对于这两个问题，我们提出了计算效率高的测试，可以成功远远超出的制度，恢复社区成员甚至是可能的。总的来说，对于大的变化，$s \gg \sqrt{n}$，我们只需要$\mathrm{SNR}= O(1)$，而基于$O(s)$错误的社区恢复的简单测试需要$\mathrm{SNR}= Θ(\log n)$。相反，在小的变化制度，$s \ll \sqrt{n}$，通过信息理论的下限，我们表明，令人惊讶的是，没有算法可以做得比天真的算法，首先估计社区高达$O(s)$错误，然后检测变化。我们验证这些现象数值上的SBM和现实世界的数据集，以及马尔可夫随机场，我们只观察节点数据，而不是链接的存在。
2019-10-31 cs.IT cs.LG cs.SI
