Change point detection in mean of short memory process

  • We study tests to detect a change in the mean of a stochastic process. The classical CUSUM statistic is known to be sensitive to outliers. We propose a robust test based on the WMW statistic. Their asymptotic distribution is derived from a functional central limit theorem for two-sample U-statistics under short-range dependent data. Namely, we restrict our attention to stationary ergodic process that can be represented as a functional of an absolutely regular process.
  • In dieser Arbeit studieren wir Tests um eine Veränderung im Mittelwert eines stochastischen Prozesses zu untersuchen. Da die klassische CUSUM Statistik dafür bekannt ist sensibel gegenüber Ausreißern in den Daten zu sein, schlagen wir ein robustes Verfahren vor, welches auf der WMW-Statistik basiert. Mit Hilfe einer Version des zentralen Grenzwertsatzes für Zweistichproben U-Statistiken schwach abhängiger Daten leiten wir die asymptotische Verteilung her. Dabei beschränken wir uns auf stationäre ergodische Prozesse, welche als Funktional eines absolut regulären Prozesses dargestellt werden können.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Isabel Cristina García ArboledaGND
URN:urn:nbn:de:hbz:294-56408
Referee:Herold DehlingGND, Martin WendlerGND
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2018/03/19
Date of first Publication:2018/03/19
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Mathematik
Date of final exam:2017/12/22
Creating Corporation:Fakultät für Mathematik
GND-Keyword:U-Statistik; Strukturbruch; Arbeitsgedächtnis; Zentraler Grenzwertsatz; Wahrscheinlichkeitstheorie
Dewey Decimal Classification:Naturwissenschaften und Mathematik / Mathematik
faculties:Fakultät für Mathematik
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht