S'abonner

Detection of change-points near the end points of long-range dependent sequences - 27/03/09

Doi : 10.1016/j.crma.2009.02.002 
Weilin Nie a, Samir Ben Hariz b , Jonathan Wylie c, Qiang Zhang c, 1
a Department of Mathematics and statistics, Wuhan University, Wuhan, China 
b Laboratoire de statistique et processus, département de mathématiques, Université du Maine, avenue Olivier-Messiaen, 72085 Le Mans cedex 9, France 
c Department of Mathematics, City University of Hong Kong, Kowloon Tong, Hong Kong 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 4
Iconographies 0
Vidéos 0
Autres 0

Abstract

We consider a sequence of observations   with a marginal distribution that is given by   if   and   if  . The parameter   is the location of the change-point which must be estimated and may depend on the sequence length. We consider the general case in which the change-point can converge to one of the end-points of the interval   as the sequence length n tends to infinity. The sequence can be long-range dependent, short-range dependent or independent and may be non-stationary. We study a class of non-parametric estimators and prove they are consistent and that the rate of convergence is  . We also deal with the case in which the distance between the distributions   and   tends to zero as n tends to infinity. To cite this article: W. Nie et al., C. R. Acad. Sci. Paris, Ser. I 347 (2009).

Le texte complet de cet article est disponible en PDF.

Résumé

On considère une suite d’observations   avec des lois marginales vérifiant :   pour   et   pour  . Le paramètre  , qui peut dépendre de la taille n de la suite d’observations, désigne la localisation du changement dans la loi marginale. On s’intéresse ici à l’estimation de ce paramètre. On considère le cas général où la position de rupture   peut converger vers l’une des deux extrémités de l’intervalle   lorsque la longueur de la suite tend vers l’infini. La suite peut être fortement dépendante, faiblement dépendante ou indépendante, voire même non stationnaire. On étudie une classe d’estimateurs non-paramètriques. On prouve qu’ils sont consistants et que leur vitesse de convergence est de  . On traite aussi le cas où la distance entre les distributions   et   tend vers 0 quand n tend vers l’infini. Pour citer cet article : W. Nie et al., C. R. Acad. Sci. Paris, Ser. I 347 (2009).

Le texte complet de cet article est disponible en PDF.

Plan

Plan indisponible

© 2009  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 347 - N° 7-8

P. 425-428 - avril 2009 Retour au numéro
Article précédent Article précédent
  • Produits tensoriels de processus ARMA fonctionnels
  • Denis Bosq
| Article suivant Article suivant
  • Estimation de facteurs de Bayes entre modèles dynamiques non linéaires à espace d’état
  • Jean-Pierre Vila, Issa Saley

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.