×
安德拉达·E·伊万内斯库。

函数数据中二元平均函数的自适应推理。 （英语） Zbl 1373.62237号

高级数据科学。适应。分析。 9，第3号，文章ID 1750005，29 p.（2017）.
摘要：提出了二维连续随机过程的二元平均函数的推断方法。非参数二元估计由阈值投影估计量实现。估计量适应于二元函数的稀疏性。Oracle不等式结果用于描述自适应推理方法。给出了非参数二元置信带的构造方法。实施结果表明了该方法在实际中的适用性。

引用于2文件

MSC公司：

62H10型 统计的多元分布
62G05型 非参数估计
62G15年 非参数容差和置信区域

关键词：

置信带;功能数据分析;阈值估计;二维的

软件：

加迈尔;fda（右）;随机字段;mgcv公司;fds公司;半标准杆
PDF格式BibTeX公司 XML格式引用
\textit{A.E.Ivanescu}，高级数据科学。适应。分析。9，第3号，文章ID 1750005，29 p.（2017；Zbl 1373.62237）
全文： 内政部

参考文献：

[1] Autin，F.、Le Pennec，E.和Tribouley，K.（2010年）。估计copula密度的阈值方法。《多元分析杂志》。，101: 200-222. ·Zbl 1177.62075号
[2] Bunea，F.、Ivanescu，A.E.和Wegkamp，M.H.（2011年）。函数数据中高斯过程平均值的自适应推断。J.R.统计社会服务。B、 73:1-28·Zbl 1226.62073号
[3] Cuevas，A.（2014）。函数数据统计理论的部分概述。J.统计计划。推理，147:1-23·Zbl 1278.62012号
[4] Diggle，P.J.、Menezes，R.和Su，T.（2010年）。优先抽样下的地质统计推断。J.R.统计社会服务。C、 59（2）:191-232。
[5] Delicado，P.、Giraldo，R.、Comas，C.和Mateu，J.（2010年）。空间功能数据统计：一些最新贡献。环境计量学，21:224-239。
[6] Ferraty，F.和Romain，Y.（2011年）。牛津函数数据分析手册。牛津大学出版社，纽约·Zbl 1284.62001号
[7] Forzani，L.、Fraiman，R.和Llop，P.（2011）。时空数据的密度估计。功能数据分析和相关主题的最新进展，编辑Ferraty，F.Springer Physica-Verlag，纽约。
[8] Gervini，D.（2010年）。二元随机过程的函数奇异值分解，计算。统计数据分析。，54: 163-172. ·Zbl 1284.62517号
[9] Hardle，W.（1990年）。《应用非参数回归》，剑桥大学出版社，剑桥·Zbl 0714.62030号
[10] Hastie，T.、Tibshirani，R.和Friedman，J.（2009年）。统计学习的要素。第二版，施普林格，纽约·Zbl 1273.62005年
[11] Horváth，L.和Kokoszka，P.（2012年）。功能数据推断与应用，第200卷，纽约州施普林格·Zbl 1279.62017号
[12] Ignacolo，R.、Mateu，J.和Giraldo，R..（2014）。空气质量监测功能数据的外部漂移克里格法。环境。Res.风险。评估，28:1171-1186。
[13] Ivanescu，A.E.（2013）。关于二维函数数据的二元平滑的注记。国际期刊统计概率。，2(2): 102-111.
[14] Loustau，S.（2009）。Besov空间上的惩罚经验风险最小化。电子。J.Stat.，第3824-850页·Zbl 1326.62157号
[15] Ogden，R.T.和Greene，E.（2010年）。函数随机效应的小波建模及其在人类视觉数据中的应用。J.统计计划。推理，1403797-3808·Zbl 1233.62003年
[16] Ramsay，J.O.、Hooker，G.和Graves，S.（2009年）。使用R和Matlab进行功能数据分析，纽约斯普林格·Zbl 1179.62006号
[17] Ramsay，J.和Silverman，B.（2005年）。功能数据分析，第二版，Springer，纽约·Zbl 1079.62006号
[18] Rasmussen，C.E.和Williams，C.K.I.（2006）。机器学习的高斯过程。麻省理工学院出版社，剑桥。网址：http://www.gaussianprocess.org/gpml/。 ·Zbl 1177.68165号
[19] Ruppert，D.、Wand，M.P.和Caroll，R.J.（2003）。半参数回归。剑桥大学出版社，剑桥·兹比尔1038.62042
[20] Schlather，M.、Malinowski，A.、Oesting，M.、Boecker，D.、Strokorb，K.、Engelke，S.等人（2016）。随机场：随机场的模拟和分析，R包。网址：http://CRAN.R-project.org/package=随机字段。
[21] Shang，H.L.和Hyndman，R.J.（2016）。Fds：功能数据集，R包。网址：http://CRAN.R-project.org/package=fds。
[22] Tsybakov，A.（2009年）。非参数估计简介。纽约州施普林格·Zbl 1176.62032号
[23] Wasserman，L.（2004）。所有统计数据。纽约州施普林格·Zbl 1053.62005年
[24] Wood，S.N.（2006）。广义可加模型：R，Chapman&Hall/CRC简介，纽约·Zbl 1087.62082号
[25] Wood，S.N.（2016）。mgcv：混合gam计算工具，带有gcv/aic/reml平滑度估计R包。网址：http://CRAN.R-project.org/package=mgcv。
[26] Zhou，L.和Pan，H.（2014）。二维功能数据的主成分分析。J.公司。图表。统计，23（3）：779-801。
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。