The aim of this Note is to propose a new approach to test multiple temporal cluster significance. Our method is based on a data transformation and on multiple structural change models, and it completes a former method (Molinari et al., 2001). Instead of using bootstrap replicates, we compute upper bounds for p-values using the Bernstein inequality. The inequalities on which the new detection method is based are detailed. To cite this article: C. Dematteï, N. Molinari, C. R. Acad. Sci. Paris, Ser. I 344 (2007).

Lʼobjectif de cette Note est de proposer une nouvelle approche afin de tester la significativité de clusters temporaux multiples. Notre approche, qui est basée sur une transformation des données et sur des modèles de changements structurels multiples, complète une méthode existante (Molinari et al., 2001). Au lieu dʼutiliser des simulations par bootstrap, nous calculons des bornes supérieures pour les p-valeurs en utilisant lʼinégalité de Bernstein. Les inégalités servant de base à la nouvelle méthode de détection sont détaillées. Pour citer cet article : C. Dematteï, N. Molinari, C. R. Acad. Sci. Paris, Ser. I 344 (2007).