KRAUS, David a Marco STEFANUCCI. Ridge reconstruction of partially observed functional data is asymptotically optimal. Online. Statistics and Probability Letters. Amsterdam: Elsevier, 2020, roč. 165, OCT 2020, s. 1-5. ISSN 0167-7152. Dostupné z: https://dx.doi.org/10.1016/j.spl.2020.108813. [citováno 2024-04-24]
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Ridge reconstruction of partially observed functional data is asymptotically optimal
Autoři KRAUS, David (203 Česká republika, garant, domácí) a Marco STEFANUCCI (380 Itálie)
Vydání Statistics and Probability Letters, Amsterdam, Elsevier, 2020, 0167-7152.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 10103 Statistics and probability
Stát vydavatele Nizozemské království
Utajení není předmětem státního či obchodního tajemství
WWW URL
Impakt faktor Impact factor: 0.870
Kód RIV RIV/00216224:14310/20:00114134
Organizační jednotka Přírodovědecká fakulta
Doi http://dx.doi.org/10.1016/j.spl.2020.108813
UT WoS 000552009600001
Klíčová slova anglicky Functional data; Partial observation; Reconstruction; Reproducing kernel Hilbert space; Ridge regularization
Štítky rivok
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnila: Mgr. Marie Šípková, DiS., učo 437722. Změněno: 11. 9. 2020 12:14.
Anotace
When functional data are observed on parts of the domain, it is of interest to recover the missing parts of curves. Kraus (2015) proposed a linear reconstruction method based on ridge regularization. Kneip and Liebl (2019) argue that an assumption under which Kraus (2015) established the consistency of the ridge method is too restrictive and propose a principal component reconstruction method that they prove to be asymptotically optimal. In this note we relax the restrictive assumption that the true best linear reconstruction operator is Hilbert–Schmidt and prove that the ridge method achieves asymptotic optimality under essentially no assumptions. The result is illustrated in a simulation study.
Návaznosti
GJ17-22950Y, projekt VaVNázev: Statistická inference pro složité náhodné procesy v ekonometrickém modelování
Investor: Grantová agentura ČR, Statistická inference pro složité náhodné procesy v ekonometrickém modelování
VytisknoutZobrazeno: 24. 4. 2024 11:11