基于广义似然比的泊松过程变点识别

作     者：赵俊 

作者单位：天津大学 

学位级别：硕士

导师姓名：何曙光

授予年度：2012年

学科分类：02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 07[理学] 0714[理学-统计学（可授理学、经济学学位）] 070103[理学-概率论与数理统计] 0701[理学-数学] 

主      题：GLR 变点 受控数据 SPC 

摘      要：统计过程控制作为质量管理领域的重要工具，在过程控制中发挥着越来越重要的角色，经过过去几十年的发展，其理论研究体系已经到达了一个新的高度。从变点问题提出到现在，越来越多的学者对各种各样的变点类型进行了研究，已经提出很多变点识别的有效方法，但是这些变点识别的研究大多是基于正态分布假设的，对于Poisson分布下的变点识别，却很少有人涉及，且对于变点识别的精度和技术层面还有待进一步提高。本文提出了一种基于广义似然比（GeneralLikelihood ***）的Poisson过程变点识别方法，该方法是GLR在正态分布假设下的拓展，在检测精度上效果也非常显著。首先，先对本文将要用到的理论背景做了介绍，在第三章我们详细的介绍了GLR变点识别模型的建立过程，包括初始参数已知和未知，过程中变点个数为一个和两个共四种情况，最后还提出了多变点识别模型，第四章本文利用Matlab软件进行仿真实验，给出了本文提出的Poisson过程变点识别模型对于变点识别的性能和可靠度，本文还有一个创新点就是将变点识别过程与受控数据寻找结合起来，在第四章的仿真实验中，我们同样验证了通过本文建立的GLR模型，可以同时得到过程受控数据集用以估计过程参数。在文章末尾，还对本文做了技术总结，陈述了优缺点，并给出本领域未来的研究方向与展望。