面向非高斯数据的函数型主成分分析估计量
统计方法学
2021-08-18 v2
摘要
当数据包含非高斯特征时，函数型主成分分析（FPCA）可能失效。因此，我们旨在发展一种通用的 FPCA 方法以适应此类非高斯情形。我们构造了一个与协方差函数具有相同特征函数的 Kendall's 函数。Kendall's 函数的特殊形式使其对数据分布的敏感度较低。我们进一步将其应用于 FPCA 的估计，并研究了相应的渐近一致性。此外，通过一项全面的模拟研究以及对可穿戴加速度计监测器收集的身体活动数据的应用，证明了所提方法的有效性。
引用
@article{arxiv.2102.01286,
title = {Functional principal component analysis estimator for non-Gaussian data},
author = {Rou Zhong and Shishi Liu and Haocheng Li and Jingxiao Zhang},
journal= {arXiv preprint arXiv:2102.01286},
year = {2021}
}