HAL : hal-00363627, version 2

arXiv : 0902.3977

DOI : 10.1007/s11222-010-9196-x

Fiche détaillée

Récupérer au format BibTeX - EndNote - TEI - RefWorks -

Statistics and Computing (2010) electronic

Versions disponibles :

v1 (23-02-2009)

v2 (08-04-2009)

Segmentation of the mean of heteroscedastic data via cross-validation

Sylvain Arlot 1, Alain Celisse (  Auteur correspondant ) 2

(08/07/2010)

This paper tackles the problem of detecting abrupt changes in the mean of a heteroscedastic signal by model selection, without knowledge on the variations of the noise. A new family of change-point detection procedures is proposed, showing that cross-validation methods can be successful in the heteroscedastic framework, whereas most existing procedures are not robust to heteroscedasticity. The robustness to heteroscedasticity of the proposed procedures is supported by an extensive simulation study, together with recent theoretical results. An application to Comparative Genomic Hybridization (CGH) data is provided, showing that robustness to heteroscedasticity can indeed be required for their analysis.

1 :	Laboratoire d'informatique de l'école normale supérieure (LIENS)
	CNRS : UMR8548 – Ecole normale supérieure de Paris - ENS Paris
2 :	Mathématiques et Informatique Appliquées (MIA)
	Institut national de la recherche agronomique (INRA) : UMR0518 – AgroParisTech

Domaine

:

Statistiques/Méthodologie Mathématiques/Statistiques Statistiques/Théorie

Mots Clés : Change-point detection – segmentation – resampling – cross-validation – leave-p-out – heteroscedastic data – CGH profile.

hal-00363627, version 2

http://hal.archives-ouvertes.fr/hal-00363627

oai:hal.archives-ouvertes.fr:hal-00363627

Contributeur : Alain Celisse <>

Soumis le : Mercredi 8 Avril 2009, 15:24:04

Dernière modification le : Mercredi 12 Septembre 2012, 16:35:06