×
尤斯里·斯劳伊

相依强混合函数数据的递归非参数回归估计。 （英文） Zbl 1465.62076号

统计推断Stoch。过程。 23，第3期，665-697（2020年）.
小结：在本文中，我们扩展了Y.斯劳伊【Stat.Sin.30，No.1，417–437（2020年；Zbl 1444.62052号)]在强混合数据的情况下。由于我们对非参数回归估计感兴趣，因此我们重点关注基于混合类型条件的适应性好的依赖结构。我们研究了这些回归估计的性质，并将它们与非参数非递归回归估计进行了比较。明确计算了偏差、方差和均方误差。我们表明，使用选定的野bootstrap带宽过程和特殊步长，我们提出的递归回归估计器可以在估计误差方面获得与（α）-混合条件下的非递归回归估测器非常相似的结果，并且在计算成本方面更好。

引用于1文件

MSC公司：

62G08号 非参数回归和分位数回归
62兰特 功能数据分析
62L20型 随机近似

关键词：

渐近正态性;功能数据;非参数回归估计;随机近似算法;\（α）-混合

引文：

Zbl 1444.62052号

软件：

fda（右）;自由贸易区
PDF格式BibTeX公司 XML格式引用
\textit{Y.Slaoui}，统计推断Stoch。过程。23，第3号，665--697（2020；Zbl 1465.62076）
全文： 内政部

参考文献：

[1] 阿尔瓦雷斯·利埃巴纳，J。；博斯克，D。；Ruiz-Medina，MD，组件式ARH（1）插件预测器的渐近性质，J Multivar Anal，155，12-34（2017）·兹比尔1397.62292
[2] 阿尔瓦雷斯-利瓦纳，J。；Ruiz-Medina，MD，通过ARBX（1）过程预测空气污染物（PM_10），斯托克环境研究风险评估，331721-1736（2019）
[3] 阿米里，A。；Thiam，B.，依赖功能数据的递归非参数回归估计的一致性，《非参数统计杂志》，26，471-487（2014）·Zbl 1305.62137号
[4] Amiri，A。；克兰贝斯，C。；Thiam，B.，功能协变量非参数回归的递归估计，《计算统计数据分析》，69，154-172（2014）·Zbl 1471.62016年
[5] Aneiros，G。；Vieu，P.，多功能协变量的部分线性建模，计算统计，30，647-671（2015）·Zbl 1342.65016号
[6] Aneiros，G。；吉咪·维拉尔（JM Vilar）；曹，R。；Muñoz-San-Roque，A.，电力现货市场剩余需求的功能预测，IEEE Trans Power Syst，28，4201-4208（2013）
[7] Aneiros-Pérez，G。；Vieu，P.，《非参数时间序列预测：半函数部分线性建模》，《多元分析杂志》，99834-857（2008）·Zbl 1133.62075号
[8] Antoch，J。；普查尔，L。；De Rosa，MR；Sarda，P.，《使用样条估值器进行函数线性回归的电力消耗预测》，《应用统计杂志》，第37期，2027-2041页（2010年）·Zbl 1511.62405号
[9] 安东尼亚迪斯，A。；Sapatinas，T.，使用Hilbert值自回归过程进行连续时间预测的小波方法，《多变量分析杂志》，87，133-158（2003）·Zbl 1030.62075号
[10] 安东尼亚迪斯，A。；教皇炎。；Sapatinas，T.，时间序列预测的函数小波核方法，J R Stat Soc Ser B Stat Methodol，68，837-857（2006）·Zbl 1110.62122号
[11] Benatia，D。；卡拉斯科，M。；Florens，JP，带功能反应的功能线性回归，《经济杂志》，201，269-291（2017）·Zbl 1377.62111号
[12] Benhenni，K。；Hedli-Griche，S。；Rachdi，M.，基于相关误差的功能固定设计的回归算子估计，《多元分析杂志》，101476-490（2010）·Zbl 1178.62031号
[13] PC公司Besse；卡多，H。；斯蒂芬森，DB，一些功能性气候变化的自回归预测，Scand J Stat，27673-687（2000）·Zbl 0962.62089号
[14] Bojanic，R。；Seneta，E.，规则变化序列的统一理论，数学Z，134，91-106（1973）·Zbl 0256.40002号
[15] Bosq，D.，《随机过程的非参数统计：估计和预测》（1999），纽约：Springer，纽约·Zbl 0902.62099号
[16] Bosq，D.，函数空间中的线性过程（2000），纽约：施普林格，纽约·Zbl 0962.60004号
[17] Bradley，R.，《强混合条件简介》（2007年），海伯尔市：肯德里克出版社，海伯市·Zbl 1134.60004号
[18] 蔡，TT；Hall，P.，《函数线性回归预测》，Ann Stat，34，2159-2179（2006）·Zbl 1106.62036号
[19] Cardot，H。；费拉蒂，F。；Sarda，P.，函数线性模型，Stat Probab Lett，45，11-22（1999）·Zbl 0962.62081号
[20] Chen博士。；霍尔，P。；Müller，HG，带非参数链接的单指数和多指数函数回归模型，Ann Stat，38，3458-3486（2011）
[21] Chiou，JM；穆勒，HG；王，JL；Carey，JR，纵向数据的功能性乘数效应模型，应用于雌性medflies的生殖史，Stat Sin，13，1119-1133（2003）·Zbl 1034.62097号
[22] Cuevas，A.，功能数据统计理论的部分概述，J Stat Plan Inference，147，1-23（2014）·Zbl 1278.62012号
[23] Cuevas，A。；费布雷罗，M。；Fraiman，R.，《线性函数回归：固定设计和功能反应的案例》，《加拿大统计》，第30期，第285-300页（2002年）·Zbl 1012.62039号
[24] 德德克；Doukhan，J。；朗·P。；Leon，G。；Louhichi，JRS；Prieur，C.，《示例和应用的弱依赖性》（2007），柏林：施普林格出版社，柏林·Zbl 1165.62001号
[25] Delaigle，A。；Gijbels，I.，反褶积核密度估计中的实际带宽选择，计算统计数据分析，45249-267（2004）·兹比尔1429.62125
[26] Delsol，L.，非参数函数时间序列分析中渐近正态性的进展，统计学，43，13-33（2009）·Zbl 1278.62052号
[27] Doukhan，P.，《混合：特性和示例》（1994），纽约：Springer，纽约·Zbl 0801.60027号
[28] Fernández-de-Castro，B。；吉拉斯，S。；González-Mante，W.，《预测二氧化硫水平的功能样本和自举法》，《技术计量学》，47，212-222（2005）
[29] 费拉蒂，F。；Vieu，P.，功能非参数模型及其在光谱数据中的应用，计算统计，17545-564（2002）·Zbl 1037.62032号
[30] 费拉蒂，F。；Vieu，P.，功能数据的非参数模型，及其在回归、时间序列预测和曲线识别中的应用，《非参数统计杂志》，16，111-125（2004）·兹比尔1049.62039
[31] 费拉蒂，F。；Vieu，P.，《非参数函数数据分析：理论与实践》。Springer统计系列（2006），纽约：Springer，纽约·兹比尔1119.62046
[32] 费拉蒂，F。；戈亚，A。；Vieu，P.，时间序列的函数非参数模型：降维的分形方法，Test，11317-344（2002）·Zbl 1020.62089号
[33] 费拉蒂，F。；拉比，A。；Vieu，P.，相关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，Sankhya，67，378-398（2005）·兹比尔1192.62104
[34] 费拉蒂，F。；Laksaci，A。；Vieu，P.，估计非参数函数模型中条件分布的一些特征，统计推断Stoch过程，9，47-76（2006）·兹比尔1117.62030
[35] 费拉蒂，F。；马斯·A。；Vieu，P.，《函数数据的非参数回归：推断和实践方面》，Aust N Z J Stat，49，267-286（2007）·Zbl 1136.62031号
[36] 费拉蒂，F。；Van Keilegom，I。；Vieu，P.，《关于非参数函数回归中bootstrap的有效性》，Scand J Stat，37，286s-306（2010）·Zbl 1223.62042号
[37] Galambos，J。；Seneta，E.，《规则变化序列》，《美国数学学会学报》，第41期，第110-116页（1973年）·Zbl 0247.26002号
[38] García-Portugués E、Alvarez-Lie bana J、Alvare-Pérez G、González-Manteiga W（2019）具有功能响应的功能线性模型的良好测试。arXiv:1909.07686号·兹比尔1444.62154
[39] Hall P，Horowitz JL（2007），函数线性回归的方法和收敛速度。安统计35:70-91·Zbl 1114.62048号
[40] Härdle，W。；Marron，JS，非参数回归的Bootstrap同步误差条，Ann Stat，16，1696-1708（1991）
[41] Hyndman R，Shang HL（2019）FTSA：功能时间序列分析。https://CRAN.R-project.org/package=ftsa。R包版本5.5
[42] Imaizumi，M。；Kato，K.，基于PCA的函数线性回归估计与函数响应，《多元分析杂志》，163，15-36（2018）·Zbl 1499.62137号
[43] Jmaei，A。；斯劳伊，Y。；Dellagi，W.，使用伯恩斯坦多项式的随机近似方法定义的递归分布估计量，《非参数统计杂志》，29，792-805（2017）·Zbl 1416.62134号
[44] 卡拉，LZ；Laksaci，A。；拉赫迪，M。；Vieu，P.，非参数函数数据分析中的数据驱动神经网络估计，《多变量分析杂志》，153176-188（2017）·Zbl 1351.62084号
[45] Lian，H.，非参数函数回归估计与函数响应的收敛性，Electron J Stat，61373-1391（2012）·Zbl 1295.62042号
[46] Ling，N。；Vieu，P.，《功能数据的非参数建模：选定的调查和未来跟踪》，《统计学》，52，934-949（2018）·Zbl 1411.62084号
[47] Masry，E.，相关函数数据的非参数回归估计：渐近正态性，Stoch Process Appl，115，155-177（2005）·Zbl 1101.62031号
[48] Mokkadem，A。；Pelletier，M.，Kiefer-Wolfowitz-Blum随机近似算法的伴侣，《Ann Stat》，第35期，1749-1772页（2007年）·Zbl 1209.62191号
[49] Mokkadem，A。；佩莱蒂埃，M。；Slaoui，Y.，多元概率密度估计的随机近似方法，《统计计划推断》，1392459-2478（2009）·Zbl 1160.62077号
[50] Mokkadem，A。；佩莱蒂埃，M。；Slaoui，Y.，《重新审视Révész估计回归函数的随机近似方法》，ALEA Lat，Am J Probab Math Stat，6，63-114（2009）·Zbl 1160.62076号
[51] Nadaraya，EA，《关于估计回归》，《概率论应用》，186-190年10月（1964年）
[52] Pesin，YB，关于相关维数的严格数学定义和维数的广义谱，J Stat Phys，7129-547（1993）·Zbl 0916.28006号
[53] JO拉姆齐；Silverman，BW，《应用功能数据分析：方法和案例研究》（2002），纽约：Springer，纽约·Zbl 1011.62002号
[54] 拉尼亚，P。；Aneiros，G。；维拉尔，J。；Vieu，P.，相关性下函数非参数回归的Bootstrap置信区间，Electron J Stat，1973年至1999年10月（2016年）·Zbl 1346.62082号
[55] Rio E（2000）《脆弱悬吊物的渐进性》。（法语）[弱相依随机过程的渐近理论]数学与应用（柏林）[数学与应用]柏林，施普林格·Zbl 0944.60008号
[56] Serfling，RJ，《数理统计逼近定理》（1980），纽约：威利出版社，纽约·Zbl 0538.62002号
[57] Slaoui，Y.，《半递归核回归估计器的最优带宽选择》，Stat Interface，9，375-388（2016）·Zbl 1405.62042号
[58] Slaoui，Y.，独立函数数据递归非参数相对回归的Wild Bootstrap带宽选择，J Multivar Ana，173，494-511（2019）·Zbl 1422.62153号
[59] Slaoui，Y.，独立功能数据的递归非参数回归估计，Stat Sin，30，417-437（2020）·Zbl 1444.62052号
[60] 斯劳伊，Y。；Jmaei，A.，基于Robbins-Monro方案并使用Bernstein多项式的递归密度估计，Stat Interface，12439-455（2019）·Zbl 1502.62040号
[61] Watson，GS，平滑回归分析，Sankhya A，26，359-372（1964）·Zbl 0137.13002号
[62] 姚，F。；穆勒，HG；Wang，JL，纵向数据的函数线性回归分析，Ann Stat，332873-2903（2005）·Zbl 1084.62096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。