退款

R套餐退款:功能数据回归。用主成分校正功能数据的置信区间。函数主成分分析(FPC)被广泛地用于分解和表达函数观测值。基于FPC分解得到的基函数和其它量的曲线估计隐式条件;然而,这些对象在实践中是未知的。在这篇文章中,我们提出了一种通过考虑FPC分解中的不确定性来获得正确曲线估计值的方法。此外,还构建了点态置信区间和同时置信区间,它们同时考虑了基于模型和基于分解的可变性。函数展开的标准混合模型表示用于构造曲线估计和基于特定分解的方差。迭代期望和方差公式将基于模型的条件估计与分解分布相结合。利用bootstrap程序来理解主成分分解量的不确定性。在模拟研究中,我们的方法与包含密集观测函数和稀疏观测函数的竞争方法相比更为有利。我们将我们的方法应用于CD4细胞计数的稀疏观察和致密的白质束轮廓。分析和模拟的代码是公开的,我们的方法是在CRAN的R包退款中实现的。


zbMATH中的参考文献(参考文献54条,1标准件)

显示第1到第20个结果,共54个。
按年份排序(引用)
  1. Evandro Konzen,Yafeng Cheng,Jian Qing Shi:功能数据分析的高斯过程:R(2021)的GPFDA包第十四章
  2. 迈耶,马克J。;伊丽莎白马洛伊。;Coull,Brent A.:贝叶斯小波包历史函数线性模型(2021)
  3. 史蒂文·戈洛夫金:FDApy:Python函数数据包(2021)第十四章
  4. Barinder Thind,Sidi Wu,Richard Groenewald,Jiguo Cao:FuncNN:使用广义输入空间拟合深层神经网络的R包(2020)第十四章
  5. 格雷文,索尼娅;Scheipl,Fabian:评论:“广义加性模型及其扩展的推理和计算”(2020)
  6. 马图克,詹姆斯;穆罕默德,沙里克;库特克,塞巴斯蒂安;Bharath,Karthik:几何功能数据分析的生物医学应用(2020)
  7. 菲利普·赖斯特。;徐孟:张量积样条与函数主成分(2020)
  8. 徐、孟;Reiss,Philip T.:无分布点态调整(p)-函数假设值(2020)
  9. 曹继国;苏伊波恩,昆拉亚;卡罗尔,雷蒙德J。;Ruppert,David:多个相关功能结果的建模和预测(2019年)
  10. 朱亚克,约翰J。;科夫曼,唐娜L。;兰赫尔,马修;彼得罗维奇,贾斯汀;李润泽;希夫曼,索尔;Shiyko,Mariya P.:从密集收集的纵向数据预测远端结果的函数回归标量:应用科学家的可解释性(2019年)
  11. 帕克,S。Y、 。;李,C。;门多萨·贝纳维德斯S。M、 。;范海登,E。;斯塔库,A。M、 :混合协变量的条件分析,应用于哺乳母猪的采食量(2019年)
  12. Reimherr,Matthew:评论“模块回归——一个用于构建具有张量积交互作用的结构化加性分布回归模型的乐高系统”(2019)
  13. Rodríguez-阿尔瓦雷斯,María Xosé;德班,玛丽亚;李大进;艾勒,保罗H。C、 :关于非标准广义线性混合模型中方差参数的估计:应用于惩罚平滑(2019)
  14. 斯米尔诺娃,叶卡捷琳娜;霍尔马利,奥米德;Egan,Joel M.:塔霍湖流域杰弗里松甲虫攻击空间聚集区的功能分析(2019年)
  15. 但以理,背恩罗斯;戈德史密斯,杰夫;哈兰,米歇尔D。;科尔特斯,胡安C。;克拉考尔,约翰W。;Kitago,Tomoko:使用异方差功能主成分分析法对运动学习进行建模(2018)
  16. 鲍尔,亚历山大;舍普,费边;库钦霍夫,赫尔穆特;Gabriel,Alice Agnes:标量回归的半参数函数简介(2018)
  17. 塞德巴姆,乔娜;舍普,费边;Greven,Sonja:快速对称加性协方差平滑(2018)
  18. 崔顺贤;Reimherr,Matthew:功能参数置信域和区间的几何方法(2018)
  19. 快乐,克拉拉;Greven,Sonja:不同(维度)领域观测数据的多元函数主成分分析(2018)
  20. 帕特里克·梅尔:现代心理测量学与R(2018)