Sequentiële analyse: hypothesetesten en detectie van veranderingspunten ontwikkelt systematisch de theorie van sequentiële hypothesetesten en snelste detectie van veranderingspunten. Het beschrijft ook belangrijke toepassingen waarin theoretische resultaten efficiënt kunnen worden gebruikt. Het boek bespreekt recente prestaties op het gebied van hypothesetesten en het detecteren van veranderingspunten, zowel in beslissingstheoretische (Bayesiaanse) als niet-beslissingstheoretische (niet-Bayesiaanse) contexten. De auteurs leggen niet alleen de nadruk op traditionele binaire hypothesen, maar ook op aanzienlijk moeilijkere meervoudige beslissingsproblemen. Ze behandelen scenario's met eenvoudige hypothesen en meer realistische gevallen van twee en eindig veel samengestelde hypothesen. Het boek richt zich voornamelijk op praktische discrete-tijdmodellen, waarbij bepaalde continue-tijdmodellen ook worden onderzocht, wanneer algemene resultaten in beide gevallen op dezelfde manier kunnen worden verkregen. Het behandelt zowel conventionele i. i. d. als algemene non-i. i. d. stochastische modellen in detail, waaronder Markov, verborgen Markov-toestandsruimte-regressie- en autoregressiemodellen. Voor de belangrijkste resultaten worden rigoureuze bewijzen gegeven. Dit boek is geschreven door vooraanstaande autoriteiten in het veld en behandelt de theoretische ontwikkelingen en toepassingen van sequentiële hypothesetesten en sequentiële detectie van de snelste veranderingspunten in een breed scala van technische en milieudomeinen. Het legt uit hoe de theoretische aspecten van invloed zijn op het testen van hypothesen en het detecteren van veranderingspunten, evenals op het ontwerp van algoritmen. . Taal: Engels