首页> 中文学位 >基于Group LASSO研究函数型数据中均值函数的变点问题
【6h】

基于Group LASSO研究函数型数据中均值函数的变点问题

代理获取

目录

声明

摘要

第一章引言

1.1 研究背景

1.2 已有的统计方法介绍

1.3本文的主要结果

1.4文章结构

第二章相关基础理论知识介绍

2.1 函数型数据分析

2.1.1 函数型数据的定义

2.1.2 函数型数据分析的目标

2.1.3 函数型数据分析的优点

2.1.4 函数型数据分析现有的一些方法以及相应的假定

2.2 基函数

2.2.1 回归样条

2.2.2 基函数在函数型数据分析中的应用

2.3 Group lasso

2.3.1 Lasso

2.3.2 Group Lasso

2.4信息准则(IC)

2.4.1 AIC

2.4.2 BIC

第三章统计方法与模型

3.1 一步Group LASSO估计

3.1.1将变点问题转化为估计问题

3.1.2 基函数展开化为Group LASSO问题

3.2 一步Group LASSO估计的渐近性质及证明

3.2.1定理3.1的证明

3.2.2定理3.2的证明

3.3二步估计过程

3.4 二步估计的渐近性质及证明

第四章模拟

4.1一个变点的情况

4.2 多个变点的情况

第五章实际数据分析

第六章结论

附录

参考文献

致谢

展开▼

摘要

主成分分析是函数型数据分析中一个非常经典、有用的工具,且一般需要假定样本都来自于同一个均值函数的总体。而在实际数据分析中,这一假定并不一定能够满足。因此,本文针对这一问题进行研究。我们考虑模型Xi(t)=μi(t)+ηi(t),i=1,2,…,n.,其中,Xi(t)为第i个样本,μi(t)为对应的均值函数,ηi(t)为对应的残差函数。为了方便起见,不妨假定t∈[0,1]。检验对于不同的i,μi(t)是否相同,即是否存在变点。此外,这里的,μi(t)是未知的,既不知道其具体的形式,也不知道哪一个样本点位置发生了结构变化。本文先将这一变点问题,转化为了估计问题,在这过程中对函数进行了基函数展开,并采用了Group Lasso方法进行估计。同时,考虑到Lasso—般会存在过估计问题。为此,构建了一个新的信息准则,进行了二步估计。从而检验μi(t)是否存在结构变化。为了检验方法是否有效,我们做了一些简单的模拟和实际数据分析。结果表明,利用上述的新方法,能够很好地应对函数型数据中均值函数的结构变化问题。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号