12580.整值自回歸條件異方差模型的多變點檢測問題

1、專業(yè)學(xué)位碩士學(xué)位論文整值自回歸條件異方差模型的多變點檢測問題Multiple—changepointDetectionforIntegervaluedAutoregressiveConditionalHeteroscedasticProcesses作者姓名：工程領(lǐng)域：顏含笑應(yīng)用統(tǒng)計學(xué)號：31401007指導(dǎo)教師：完成日期：宋立新教授2016年04月大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)專業(yè)學(xué)位碩

2、士學(xué)位論文摘要整值時間序列數(shù)據(jù)可以在很多領(lǐng)域中收集到，我們可以用整值自回歸條件異方差(INARCH)模型來刻畫。但是在實際生產(chǎn)生活中，時間序列數(shù)據(jù)不可能在較長的時間間隔里保持平穩(wěn)波動不變，可能會有變點出現(xiàn)。我們這篇論文的目的在于對于一個帶有分段常值參數(shù)值，但是分段變點的個數(shù)和位置均未知的INARCH模型，對于其多變點檢測問題，設(shè)計一個統(tǒng)計意義上平穩(wěn)的，運作良好且運行快速的程序。我們所設(shè)計的方法是變換模型后的二值化分割法，也可以簡稱之為B

3、ASTINA方法。該方法主要分為兩個部分：模型變換部分和二值化分割部分。模型變換部分能夠降低初始數(shù)據(jù)的自相關(guān)性，而二值化分割法則估計出變點的個數(shù)和位置。在數(shù)值模擬階段，我們驗證了在有限的樣本下該方法的良好性能，并確定了算法中一些常值參數(shù)的缺省值。最后我們用我們的方法對彎曲菌患者感染數(shù)進行了分析，并且發(fā)現(xiàn)估計出的變點確實能夠與實際事件相匹配。本文內(nèi)容安排如下：第一部分，將介紹整值時間序列數(shù)據(jù)和變點檢測問題的研究背景及意義，并總結(jié)分析前人的