ScholarGate
Assistent
Machine learningTime-series monitoring

Förändringspunktsdetektion (PELT)

Förändringspunktsdetektion identifierar tidpunkter då de statistiska egenskaperna hos en sekvens – såsom medelvärde, varians eller fördelning – abrupt förändras. Algoritmen Pruned Exact Linear Time (PELT), introducerad av Killick, Fearnhead och Eckley (2012), löser det straffade segmenteringsproblemet exakt samtidigt som den uppnår en linjär förväntad beräkningskostnad, vilket gör den praktisk för långa tidsserier som förekommer inom genomik, finans, klimatologi och signalbehandling.

Tillämpa med StatMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Förändringspunktsdetektion (PELT)
CUSUM-styrdiagramSekventiell analys (grup…

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 2). Change-Point Detection (PELT). ScholarGate. https://scholargate.app/sv/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)). Hämtad 2026-06-15 från https://scholargate.app/sv/statistics/change-point-detection · Datamängd: https://doi.org/10.5281/zenodo.20539026