Geodesic
Numéro spécial : Special Issue on Change-Point Detection
Sequential change-point detection in Poisson autoregressive models
[Détection séquentielle de ruptures dans les models autorégressifs de Poisson]
Journal de la société française de statistique, Tome 156 (2015) no. 4, pp. 98-112

Voir la notice de l'article provenant de la source Numdam

We consider the sequential change-point detection in a general class of Poisson autoregressive models. The conditional mean of the process depends on a parameter θ 0 * ∈ Θ ⊂ I R d which may change over time as and when data are observed. We propose a closed and open-end procedure based on the maximum likelihood estimator of the parameter. Under the null hypothesis of no change, it is shown that the detector converges to a well know distribution. The (empirical) power and the efficiency in terms of the detection delay are assessed through a simulation study and a real data example is provided.

Nous considérons la détection séquentielle de ruptures dans une classe assez générale de modèles de Poisson autorégressifs de séries temporelles à valeurs entières. La moyenne conditionnelle du processus dépend d’un paramètre θ 0 * ∈ Θ ⊂ I R d susceptible de changer dans le temps au fur et à mesure que les données sont observées. Nous proposons une procédure séquentielle dont le temps de suivi peut être fini ou infini basée sur l’estimateur du maximum de vraisemblance du paramètre. Sous l’hypothèse nulle selon laquelle aucun changement n’intervient dans le paramètre, la statistique de test converge vers une distribution connue. Des résultats de simulations nous permettent d’évaluer la puissance (empirique) ainsi que l’efficacité en terme du délai de détection et un exemple d’application aux données réelles est fourni.

Keywords: Sequential detection, change-point, time series of counts, Poisson autoregression, likelihood estimation
Mots-clés : Détection séquentielle, rupture, séries temporelles à valeurs entières, autorégression de Poisson, estimation par vraisemblance 
@article{JSFS_2015__156_4_98_0,
     author = {Kengne, William},
     title = {Sequential change-point detection in {Poisson} autoregressive models},
     journal = {Journal de la soci\'et\'e fran\c{c}aise de statistique},
     pages = {98--112},
     publisher = {Soci\'et\'e fran\c{c}aise de statistique},
     volume = {156},
     number = {4},
     year = {2015},
     zbl = {1343.62062},
     language = {en},
     url = {http://geodesic.mathdoc.fr/item/JSFS_2015__156_4_98_0/}
}
TY  - JOUR
AU  - Kengne, William
TI  - Sequential change-point detection in Poisson autoregressive models
JO  - Journal de la société française de statistique
PY  - 2015
SP  - 98
EP  - 112
VL  - 156
IS  - 4
PB  - Société française de statistique
UR  - http://geodesic.mathdoc.fr/item/JSFS_2015__156_4_98_0/
LA  - en
ID  - JSFS_2015__156_4_98_0
ER  - 
%0 Journal Article
%A Kengne, William
%T Sequential change-point detection in Poisson autoregressive models
%J Journal de la société française de statistique
%D 2015
%P 98-112
%V 156
%N 4
%I Société française de statistique
%U http://geodesic.mathdoc.fr/item/JSFS_2015__156_4_98_0/
%G en
%F JSFS_2015__156_4_98_0
Kengne, William. Sequential change-point detection in Poisson autoregressive models. Journal de la société française de statistique, Tome 156 (2015) no. 4, pp. 98-112. http://geodesic.mathdoc.fr/item/JSFS_2015__156_4_98_0/