×

函数线性模型的最佳估计。 (英语) Zbl 1347.62087号

摘要:观察是某些连续过程的实现,在科学、工程、经济和其他领域中经常发现。在本文中,我们考虑了可能具有随机效应的线性模型,其中响应是适当的索博列夫空间中的随机函数。特别是,这些过程无法直接观察到。通过对原始数据进行平滑处理,可以将响应曲线及其导数重建为整体,也可以单独重建。从这些重构函数中,获得一个具有代表性的样本来估计函数参数的向量。一项模拟研究表明,与使用曲线或导数信息的常用方法相比,该方法具有优势。主要理论结果是高斯-马尔科夫定理的强泛函形式。这确保了所提出的函数估计比仅基于曲线或导数的最佳线性无偏估计(BLUE)更有效。

MSC公司:

62甲12 多元分析中的估计
47B06型 Riesz算子;特征值分布;算子的近似数、(s)-数、Kolmogorov数、熵数等
62米15 随机过程和谱分析的推断
62M99型 随机过程推断

软件:

fda(右)
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Aletti,G。;五月,C。;Tommasi,C.,具有功能响应的线性模型的最优设计,(Bongiorno,E.G.;Salinelli,E.;Goia,A.;Vieu,P.,《无穷维统计和相关主题的贡献》(2014),SocietàEditrice Esculapio),19-24·Zbl 1430.62174号
[2] Aletti,G。;五月,C。;Tommasi,C.,《发生功能观测时应用最佳实验设计》,1-9(2016),Springer国际出版:Springer International Publishing Cham
[3] 巴拉尔多,S。;伊娃·F。;Paganoni,A.M。;Vitelli,V.,通过功能协变量广义线性模型进行心力衰竭远程监测的结果预测,Scand。J.Stat.,40,3,403-416(2013)·Zbl 1364.62254号
[4] Bosq,D.,(函数空间中的线性过程。函数空间的线性过程,统计学课堂讲稿,第149卷(2000),Springer-Verlag:Springer-Verlag纽约)·Zbl 0962.60004号
[5] 费拉蒂,F。;Vieu,P.,(非参数函数数据分析.非参数函数数分析,统计学中的Springer系列(2006),Springer:Springer New York),978-0387-30369-7·Zbl 1119.62046号
[6] 霍尔,P。;穆勒,H.-G。;姚,F.,函数导数的估计,Ann.Statist。,37、6A、3307-3329(2009)·兹比尔1369.62064
[7] Horváth,L。;Kokoszka,P.,(《函数数据与应用的推断》,《函数数据的应用推断》,Springer Series in Statistics(2012),Springer:Springer New York)·Zbl 1279.62017号
[8] Menafoglio,A。;塞奇,P。;Dalla Rosa,M.,希尔伯特空间空间相关函数数据的通用克里金预测,电子。J.Stat.,7,2209-2240(2013)·兹比尔1293.62120
[9] 佩林,G。;Soize,C。;Duhamel,D。;Funfscrilling,C.,《向量值随机场的Karhunen-Loève展开:尺度、误差和最优基》,J.Compute。物理。,242, 607-622 (2013) ·Zbl 1329.60142号
[10] 皮戈利,D。;Sangalli,L.,《函数数据分析中的小波:多维曲线及其导数的估计》,计算。统计师。数据分析。,56, 6, 1482-1498 (2012) ·Zbl 1243.62077号
[11] J.O.拉姆齐。;Silverman,B.W.,(功能数据分析.功能数据分析,统计学中的Springer系列(2005),Springer:Springer New York),0-387-40080-X·Zbl 1079.62006号
[12] 桑加利,L。;塞奇,P.b。;Vantini,S。;Veneziani,A.,《利用自由节点回归样条对三维曲线及其导数的有效估计》,应用于颈内动脉中心线的分析,J.Roy。统计师。Soc.序列号。C、 58285-306(2009年)
[13] 沈(音)。;Faraway,J.,《具有功能反应的线性模型的(F)检验》,Statist。Sinica,14,4,1239-1257(2004)·Zbl 1060.62075号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。