時系列データの変化点検出におけるSelective Inference

• Item type: SIG Technical Reports(1)
• 公開日: 2016-08-29
• タイトル: 時系列データの変化点検出におけるSelective Inference
• タイトル / 言語: en
• タイトル: Selective Inference for Time-series Change-Point Analysis
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ショートペーパー
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 名古屋工業大学
• 著者所属: 名古屋工業大学
• 著者所属: 名古屋工業大学
• 著者所属: 東京大学
• 著者所属: 大阪大学
• 著者所属: 大阪大学
• 著者所属: 広島大学
• 著者所属: 名古屋大学
• 著者所属: 名古屋工業大学
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Osaka University
• 著者所属(英): en
• 著者所属(英): Hiroshima University
• 著者所属(英): en
• 著者所属(英): Nagoya University
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者名: 梅津, 佑太; 中川, 和也; 井上, 茂乗; 津田, 宏治; 杉山, 麿人; 前川, 卓也; 玉木, 徹; 依田, 憲; 竹内, 一郎
• 著者名(英): Yuta, Umezu; Kazuya, Nakagawa; Shigenori, Inoue; Koji, Tsuda; Mahito, Sugiyama; Takuya, Maekawa; Toru, Tamaki; Ken, Yoda; Ichiro, Takeuchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，時系列データから変化点を検出した際に，検出された変化点が統計的に有意かどうかを検定するための手法を提案する．得られたデータに基づいて変化点を検出するため，検出された変化点の有意性は変化点を検出するためのアルゴリズムに大きく依存する．よって，検定を行う際には変化点検出アルゴリズムを考慮しなければならない．このような状況での統計推論は，post-selection inference として知られている．本研究では，累積和に基づく変化点検出アルゴリズムから得られた変化点に対する Selective Inference を定式化し，数値実験により有用性を確認する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a statistical method for time series data after detecting a change point. Because the change point is detected based on the data, its significance is highly depend on an algorithm for change point detection. Therefore, we need considering the algorithm to conduct a statistical inference. This kind of statistical inference is also known as post selection inference. We use the so-called cumulative sum statistic for detecting a change point, and then we conduct a Selective Inference based on the statistic. Through simulation studies, we confirm that the our proposal is almost better than existing methods.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2016-CVIM-203, 号 15, p. 1-4, 発行日 2016-08-29
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会