论文部分内容阅读
本文观测序列的分位数在某个未知时刻λ发生了变化,这个未知时刻称之为转变点。转变点问题是统计中很热门的一个课题,不但在工业自动控制(最早产生转变点问题统计研究的领域之一)中有大量应用,而且在经济、金融、医学和计算机等领域有大量的应用背景。我们利用Vapnik和Chervonenkis首创的经验分布理论以及文献中提出的极大计分的概念,在线性分位数回归假定下得到了转变点的强相合估计,并给出了估计的收敛速度。
在第一章中,对转变点以及两值响应模型的研究现状做了简单的介绍。
在第二章中,在线性中位数回归假定下,即当α=1/2时证明了(λ)n以指数收敛速度收敛于λ,即对任意给定的ε>0,0<λ-ε<λ+ε<1,存在常数C>0,使得P(|(λ)n-λ|≥ε)=O(exp{-Cn})。在第三章中,我们对一般的0<α<1情形,证明了(λ)n具有O(√logn/n)的a.s.收敛速度。在第四章中,对线性中位数回归情形,我们通过大量模拟研究了转变点估计的小样本性质。由模拟结果可以看出,我们用于估计转变点的方法是非常有效的。