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。曲线估计是基于FPC分解得到的基函数和其他量的隐式条件,但这些对象在实际中是未知的。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(引用于,1标准件)

显示第1到第20个结果,共45个。
按年份排序(引用)
  1. 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
  2. Greven,Sonja;Scheipl,Fabian:评论:“广义加性模型及其扩展的推理和计算”(2020)
  3. James Matuk;Mohammed,Shariq;Kurtek,Sebastian;Bharath,Karthik:几何功能数据分析的生物医学应用(2020)
  4. Reiss,Philip T.;Xu,Meng:张量积样条和函数主成分(2020)
  5. 徐孟;赖斯,菲利普T.:函数假设的无分布点态调整值(2020)
  6. Cao,Jiguo;Soiaborn,Kunlaya;Carroll,Raymond J.;Ruppert,David:多个相关功能结果的建模和预测(2019年)
  7. Dziak,John J.;Coffman,Donna L.;Reimherr,Matthew;Petrovich,Justin;Li,Runze;Shiffman,Saul;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)
  8. Park,S.Y.;Li,C.;Mendoza Benavides,S.M.;van Heugten,E.;Staicu,A.M.:混合协变量的条件分析,并应用于哺乳母猪的采食量(2019年)
  9. 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)
  10. Rodríguez-Álvarez,María Xosé;德班,Maria;Lee,Dae-Jin;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:对惩罚平滑的应用(2019年)
  11. Daniel Backenroth;Goldsmith,Jeff;Harran,Michelle D.;Cortes,Juan C.;Krakauer,John W.;Kitago,Tomoko:使用异方差功能主成分分析对运动学习建模(2018年)
  12. Cederbaum,Jona;Scheipl,Fabian;Greven,Sonja:快速对称加性协方差平滑(2018)
  13. Choi,Hyunphil;Reimherr,Matthew:功能参数置信域和区间的几何方法(2018)
  14. Happ,Clara;Greven,Sonja:不同(维度)领域观测数据的多元函数主成分分析(2018)
  15. 帕特里克·梅尔:现代心理测量学与R(2018)
  16. Mousavi,Seyed Nourolah;Sørensen,Helle:功能逻辑回归:三种方法的比较(2018)
  17. 尚汉林:平稳函数时间序列的Bootstrap方法(2018)
  18. Xiao,Luo;Li,Cai;Checkley,William;Crainiceanu,Ciprian:稀疏函数数据的快速协方差估计(2018)
  19. Brockhaus,Sarah;Melcher,Michael;Leisch,Friedrich;Greven,Sonja:促进具有大量功能历史效应的灵活函数回归模型(2017年)
  20. Clara Happ:面向对象的功能数据软件(2017)阿尔十四