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63条,1标准件)

显示第1到第20个结果,共63个。
按年份排序(引用)
  1. 崔二甲;克雷尼塞努,Ciprian M。;Andrew Leroux:加性功能Cox模型(2021)
  2. Evandro Konzen,Yafeng Cheng,Jian Qing Shi:功能数据分析的高斯过程:R(2021)的GPFDA包阿尔十四
  3. Kowal,Daniel R.:时序函数数据的动态回归模型(2021)
  4. 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)
  5. 罗伊,阿尔卡普拉瓦;赖奇,布莱恩J。;吉尼斯,约瑟夫;Shinohara,罗素T。;Staicu,Ana Maria:通过与产品无关的高斯过程进行空间收缩(2021年)
  6. 史蒂文·戈洛夫金:FDApy:Python函数数据包(2021)阿尔十四
  7. Stöcker杏仁;布罗克豪斯,莎拉;谢弗,索菲亚安娜;冯·布朗克,本尼迪克;奥皮兹,马德琳;Greven,Sonja:增强功能反应模型在细菌竞争中的应用(2021)
  8. 周志阳:函数对函数回归的偏最小二乘快速实现(2021)
  9. 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)阿尔十四
  10. 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)
  11. 科瓦尔,丹尼尔R。;Bourgean,Daniel C.:高维数据标量回归的贝叶斯函数(2020)
  12. 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)
  13. 赖斯,菲利普T。;徐孟:张量积样条与函数主成分(2020)
  14. 徐、孟;Reiss,Philip T.:无分布点态调整(p)-函数假设值(2020)
  15. 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)
  16. 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)
  17. 约翰,乔丹T。;克雷尼塞努,西伯利亚;齐普尼科夫,瓦迪姆;Gellar,Jonathan:可变域函数主成分分析(2019)
  18. 帕克,纽约州。;李,C。;门多萨·贝纳维德斯,S.M。;范海登,E。;Staicu,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)
  19. 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)
  20. Rodríguez-阿尔瓦雷斯,María Xosé;德班,玛丽亚;李大进;Eilers,Paul H.C.:关于非标准广义线性混合模型中方差参数的估计:在惩罚平滑中的应用(2019)