我有一个响应变量系列，它将基于每秒以固定间隔 [0-100] 随机生成，并且我想在新生成的数据明显大于上一秒的数据时检测到事件，并发送警报消息对我来说。

因此，我计算响应变量的差异除以 1 滞后并除以时间差异（斜率），而不是使用自举来构造响应的 90% 百分位数的 95% 置信区间，如果新数据大于上限，我定义它不寻常。

事实上，我拥有的数据量非常大，而且这些数据更新频繁。因此，重新采样和计算 CI 将是可怕的，即使它可能是解决问题的一种方法。而且看起来不一定要抽样，因为我有大量样本。

有没有更好的办法？谢谢！