×

函数数据平均函数的稳健同时推理。 (英语) Zbl 1420.62176号

摘要:提出了一种基于多项式样条估计技术的稳健框架,用于估计稠密函数数据的平均函数,以及平均函数的同时置信带。鲁棒同时置信带也被扩展到两个总体的平均函数之差。通过仿真研究和实际数据示例,评估了所提鲁棒方法的性能。

MSC公司:

62G08号 非参数回归和分位数回归
62G35型 非参数稳健性

软件:

fda(右)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Adrover J、Salibian-Barrera M、Zamar R(2004)《位置和简单线性回归模型的全球稳健推断》。J Stat Plan推断119(2):353-375·兹比尔1032.62027 ·doi:10.1016/S0378-3758(02)00490-1
[2] Aneiros G、Bongiorno EG、Cao R、Vieu P(2017)《功能统计及相关领域》。统计学中的斯普林格系列。纽约州施普林格·Zbl 1373.62016年
[3] Bali JL、Boente G、Tyler DE、Wang JL(2011)《稳健功能主成分:投影追踪法》。Ann Stat 39(6):2852-2882·Zbl 1246.62145号 ·doi:10.1214/11-AOS923
[4] Boente G,Salibian-Barrera M(2015),功能主成分分析的S-估计量。美国统计协会杂志110(511):1100-1111·Zbl 1373.62290号 ·doi:10.1080/01621459.2014.946991
[5] Boente G,Barrera MS,Tyler DE(2014)函数数据的椭圆分布特征和主成分的一些最优性。多变量分析杂志131:254-264·Zbl 1298.62093号 ·doi:10.1016/j.jmva.2014.07.006
[6] Cao G,Wang J,Wang L,Todem D(2012a)函数导数的样条置信带。J Stat Plan推断142(6):1557-1570·Zbl 1242.62037号 ·doi:10.1016/j.jspi.2012.01.009
[7] Cao G,Yang L,Todem D(2012b)基于稠密函数数据的平均函数同步推断。非参数统计杂志24(2):359-377·Zbl 1241.62119号 ·doi:10.1080/10485252.2011.638071
[8] Cardot H,Cénac P,Zitt PA等人(2013)使用平均随机梯度算法高效快速地估计希尔伯特空间中的几何中值。伯努利19(1):18-43·Zbl 1259.62068号 ·doi:10.3150/11-BEJ390
[9] Cuevas A(2014)《函数数据统计理论的部分概述》。J Stat Plann推断147:1-23·Zbl 1278.62012号 ·doi:10.1016/j.jspi.2013.04.002
[10] Cuevas A,Febrero M,Fraiman R(2007),通过基于投影的深度概念对功能数据进行稳健估计和分类。计算统计22(3):481-496·Zbl 1195.62032号 ·doi:10.1007/s00180-007-0053-0
[11] de Boor C(2001)花键实用指南。纽约州施普林格·Zbl 0987.65015号
[12] Du Mond CE,Lenth RV(1987)位置的稳健置信区间。技术计量学29(2):211-219·Zbl 0619.62031号 ·doi:10.2307/1269776
[13] Embling CB,Illian J,Armstrong E,van der Kooij J,Sharples J,Camphuysen KC,Scott BE(2012)研究动态海洋生态系统中的精细尺度时空捕食者-猎物模式:一种功能数据分析方法。应用经济学杂志49(2):481-492·文件编号:10.1111/j.1365-2664.2012.02114.x
[14] Esbensen K、Schönkopf S、Midtgaard T、Guyot D(1994)《实践中的多元分析:培训包》。特隆赫姆·卡莫
[15] Febrero M、Galeano P、González-Manteiga W(2008)通过深度测量在功能数据中检测异常值,并应用于识别异常氮氧化物水平。环境计量19(4):331-345·doi:10.1002/env.878
[16] Ferraty F,Vieu P(2006),非参数函数数据分析:理论与实践。统计学中的斯普林格系列。纽约州施普林格·Zbl 1119.62046号
[17] Ferraty F,Rabi A,Vieu P(2005),依赖函数数据的条件分位数及其在气候“厄尔尼诺”现象中的应用。SankhyāIndian统计67(2):378-398·Zbl 1192.62104号
[18] Fraiman R,Muniz G(2001)功能数据的修剪方法。试验10(2):419-440·Zbl 1016.62026号 ·doi:10.1007/BF02595706
[19] Fraiman R,Yohai VJ,Zamar RH(2001)位置的最优稳健M-估计。Ann Stat 29(1):194-223·Zbl 1029.62019号 ·doi:10.1214/aos/996986506
[20] Gervini D(2008)使用中值和球面主成分的稳健函数估计。生物特征95(3):587-600·Zbl 1437.62469号 ·doi:10.1093/biomet/asn031
[21] Goia A,Philippe V(2016)高维/无限维统计最新进展简介。多变量分析杂志146:1-6·Zbl 1384.00073号 ·doi:10.1016/j.jmva.2015.12.001
[22] Horváth L,Kokoszka P(2012)《函数数据与应用的推断》。统计学中的斯普林格系列。纽约州施普林格·Zbl 1279.62017号 ·doi:10.1007/978-1-4614-3655-3
[23] Hsing T,Eubank R(2015)《函数数据分析的理论基础》,线性算子简介。概率统计中的威利级数。奇切斯特·威利·Zbl 1338.62009号
[24] Huber P,Ronchetti E(2009)稳健统计。概率统计中的威利级数。霍博肯·威利·Zbl 1276.62022号
[25] Kraus D,Panaretos VM(2012)分散算子和阻力二阶函数数据分析。生物特征99(4):813-832·Zbl 1452.62991号 ·doi:10.1093/biomet/ass037
[26] Lee S,Shin H,Billor N(2013)主函数的M型平滑样条估计。计算统计数据分析66:89-100·Zbl 1471.62109号 ·doi:10.1016/j.csda.2013.03.022
[27] Locantore N、Marron J、Simpson D、Tripoli N、Zhang J、Cohen K、Boente G、Fraiman R、Brumback B、Croux C等人(1999)功能数据的稳健主成分分析。测试8(1):1-73·Zbl 0980.62049号 ·doi:10.1007/BF02595862
[28] López-Pintado S,Romo J(2009)《关于功能数据深度的概念》。美国统计协会杂志104(486):718-734·Zbl 1388.62139号 ·doi:10.1198/jasa.2009.0108
[29] Maronna RA,Yohai VJ(2013)基于样条的稳健函数线性回归。计算统计数据分析65:46-55·Zbl 1471.62132号 ·doi:10.1016/j.csda.2011.11.014
[30] Pison G、Van Aelst S、Willems G(2002)lts和mcd的小样本修正。梅特里卡55(1):111-123·Zbl 1320.62060号 ·doi:10.1007/s001840200191
[31] Ramsay JO,Silverman B(2005),功能数据分析,第2版。纽约州施普林格·兹比尔1079.62006 ·doi:10.1007/b98888
[32] Shin H,Lee S(2016)稳健函数线性回归的RKHS方法。统计Sin 26:255-272·Zbl 1372.62018年
[33] Wang HJ,Zhu Z,Zhou J(2009)部分线性变系数模型中的分位数回归。Ann Stat 37(6b):3841-3866·Zbl 1191.62077号 ·doi:10.1214/09-AOS695
[34] Wilcox RR(2005)稳健估计和假设检验简介。纽约学术出版社·兹比尔1113.62036
[35] 姚F,缪勒HG,王JL(2005)稀疏纵向数据的功能数据分析。美国统计协会期刊100(470):577-590·Zbl 1117.62451号 ·doi:10.1198/0162145000001745
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。