Detección de Puntos de Cambio y Sus Aplicaciones Modernas

Revisamos los avances recientes en métodos de detección de puntos de cambio en tres campos importantes de la estadística: ( a ) Primero presentamos un método de identificación de subgrupos basado en un modelo de plano de cambio de umbral múltiple donde los límites de los subgrupos están definidos por un hiperpiano de alta dimensión en el espacio de covariables. Los sujetos agrupados en diferentes regiones pueden recibir tratamientos más individualizados en estudios de investigación médica y lograr mejores resultados de salud. ( b ) Luego consideramos la estimación de discontinuidad para datos de procesos funcionales. Muchas respuestas longitudinales o funcionales pueden mostrar saltos abruptos, y nuestra metodología acomoda de manera efectiva tales características complicadas y no suaves. ( c ) Finalmente, exploramos la estimación de puntos de cambio dentro de redes dinámicas utilizando un modelo autorregresivo en red recientemente propuesto. Este marco demuestra que las estructuras comunitarias en redes pueden cambiar de manera similar a los cambios observados en datos de series temporales. Estas revisiones destacan las amplias aplicaciones de las metodologías de detección de puntos de cambio en el análisis de datos modernos.