Sequential Change Detection and Hypothesis Testing

Hvordan kan store selskaper og myndigheter raskere og mer presist oppdage og håndtere cyberangrep på sine nettverk? Hvordan kan lokale myndigheter forbedre tidlig oppdagelse og forebygging av epidemier? Hvordan kan forskere bli bedre til å identifisere og klassifisere romobjekter i utfordrende situasjoner, som for eksempel svake lysforhold? Disse spørsmålene, samt en rekke andre problemstillinger innen flere felt, kan løses ved hjelp av statistiske metoder for sekvensiell hypoteseprøving og endepunktdeteksjon. Boken tar for seg sekvensiell endepunktdeteksjon for svært generelle ikke-uavhengige og ikke-identisk fordelte stokastiske modeller, det vil si når de observerte dataene er avhengige av hverandre og ikke følger en identisk fordeling. Tidligere arbeid har for det meste fokusert på endepunktdeteksjon med enkle hypoteser og enkeltstrømdata. Denne boken utvider den asymptotiske teorien for endepunktdeteksjon til å omfatte tilfeller med sammensatte hypoteser samt for fler-strømdata når antallet berørte strømmer er ukjent. Disse utvidelsene er mer relevante for praktiske anvendelser.