Parametric Statistical Change Point Analysis: With Applications to Genetics, Medicine, and Finance

این ویرایش دوم بازنگری شده و توسعه یافته، مطالعه عمیقی از مسئله نقطه تغییر از دیدگاه کلی، و همچنین بررسی بیشتر تحلیل نقطه تغییر متداول‌ترین مدل‌های آماری است. مشکلات نقطه تغییر در رشته‌هایی مانند اقتصاد، مالی، پزشکی، روان‌شناسی، پردازش سیگنال و زمین‌شناسی وجود دارد که فقط به چند مورد اشاره می‌کنیم. اخیراً، تجزیه و تحلیل نقطه تغییر در کاربردهای گسترده مربوط به تجزیه و تحلیل داده های تصویربرداری زیست پزشکی، داده های هیبریداسیون مقایسه ای ژنومی (aCGH) و داده های بیان ژن یافت شده است.

نمایش در سراسر کار واضح و منظم است و مقدار زیادی مطالب مقدماتی در آن گنجانده شده است. مدل‌های مختلفی در هر فصل ارائه شده‌اند، از جمله مدل‌های گاما و نمایی، که تاکنون به ندرت در ادبیات بررسی شده‌اند. مثال‌های گسترده در سراسر متن بر مفاهیم کلیدی و روش‌های مختلف مورد استفاده، یعنی معیار نسبت احتمال و همچنین رویکردهای معیار بیزی و اطلاعات تأکید دارند. نمونه های جدیدی از تجزیه و تحلیل نقطه تغییر در زیست شناسی مولکولی مدرن و زمینه های دیگر مانند امور مالی و کنترل ترافیک هوایی در این ویرایش دوم اضافه شده است. همچنین شامل دو فصل جدید در مورد نقاط تغییر در تابع خطر و سایر مدل‌های نقطه تغییر عملی مانند مدل نقطه تغییر همه‌گیر و مدل نقطه تغییر ناگهانی و هموار است. یک کتابشناسی جامع به روز و دو شاخص کار را کامل می کند.

This revised and expanded second edition is an in-depth study of the change point problem from a general point of view, as well as a further examination of change point analysis of the most commonly used statistical models. Change point problems are encountered in such disciplines as economics, finance, medicine, psychology, signal processing, and geology, to mention only several. More recently, change point analysis has been found in extensive applications related to analyzing biomedical imaging data, array Comparative Genomic Hybridization (aCGH) data, and gene expression data.

The exposition throughout the work is clear and systematic, with a great deal of introductory material included. Different models are presented in each chapter, including gamma and exponential models, rarely examined thus far in the literature. Extensive examples throughout the text emphasize key concepts and different methodologies used, namely the likelihood ratio criterion as well as the Bayesian and information criterion approaches. New examples of change point analysis in modern molecular biology and other fields such as finance and air traffic control are added in this second edition. Also included are two new chapters on change points in the hazard function and other practical change point models such as the epidemic change point model and a smooth-and-abrupt change point model. An up-to-date comprehensive bibliography and two indices round out the work.