ScholarGate
Assistent
Machine learningTime-series monitoring

Detectie van Veranderingspunten (PELT)

Detectie van veranderingspunten identificeert tijdstippen waarop de statistische eigenschappen van een reeks — zoals gemiddelde, variantie of verdeling — abrupt verschuiven. Het Pruned Exact Linear Time (PELT) algoritme, geïntroduceerd door Killick, Fearnhead en Eckley (2012), lost het gepenaliseerde segmentatieprobleem exact op en bereikt tegelijkertijd een lineaire verwachte rekentijd, wat het praktisch maakt voor lange tijdreeksen die voorkomen in genoomkunde, financiën, climatologie en signaalverwerking.

Toepassen met StatMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

The neighbourhood of related methods — select a node to explore.

Detectie van Veranderingspunten (PELT)
CUSUM-regelkaartSequentiële Analyse (Gro…

Bronnen

  1. Killick, R., Fearnhead, P., & Eckley, I. A. (2012). Optimal detection of changepoints with a linear computational cost. Journal of the American Statistical Association, 107(500), 1590–1598. DOI: 10.1080/01621459.2012.737745

Deze pagina citeren

ScholarGate. (2026, June 2). Change-Point Detection (PELT). ScholarGate. https://scholargate.app/nl/statistics/change-point-detection

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateChange-Point Detection (Change-Point Detection (PELT)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/statistics/change-point-detection · Gegevensset: https://doi.org/10.5281/zenodo.20539026