Sequential Analysis: Hypothesis Testing and Changepoint Detection entwickelt systematisch die Theorie des sequentiellen Hypothesentestens und der schnellsten Changepoint-Erkennung. Es werden auch wichtige Anwendungen beschrieben, in denen theoretische Ergebnisse effizient genutzt werden können. Das Buch gibt einen Überblick über die jüngsten Errungenschaften im Bereich des Hypothesentestens und der Changepoint-Erkennung sowohl in entscheidungstheoretischen (Bayes'schen) als auch in nicht-entscheidungstheoretischen (nicht-Bayesianischen) Kontexten. Die Autoren betonen nicht nur traditionelle binäre Hypothesen, sondern auch wesentlich schwierigere Mehrfachentscheidungsprobleme. Sie befassen sich mit Szenarien mit einfachen Hypothesen und realistischeren Fällen von zwei und endlich vielen zusammengesetzten Hypothesen. Das Buch konzentriert sich vor allem auf praktische zeitdiskrete Modelle, wobei auch bestimmte zeitkontinuierliche Modelle untersucht werden, wenn in beiden Fällen sehr ähnliche allgemeine Ergebnisse erzielt werden können. Es behandelt sowohl konventionelles i. i. d. als auch allgemeines non-i. d. d. stochastische Modelle im Detail, einschließlich Markov-, Widen-Markov-, Markov-Zustandsraum-Regressions- und Autoregressionsmodelle. Für die wichtigsten Ergebnisse werden strenge Nachweise gegeben. Dieses Buch wurde von führenden Experten auf diesem Gebiet verfasst und behandelt die theoretischen Entwicklungen und Anwendungen des sequentiellen Hypothesentests und der sequentiellen Erkennung des schnellsten Veränderungspunkts in einer Vielzahl von Bereichen der Technik und des Umweltschutzes. Es wird erläutert, wie die theoretischen Aspekte das Testen von Hypothesen und die Changepoint-Detection-Probleme sowie das Design von Algorithmen beeinflussen. . Sprache: Englisch