IMAL   13325
INSTITUTO DE MATEMATICA APLICADA DEL LITORAL "DRA. ELEONOR HARBOURE"
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Regresión no paramétrica basada en datos funcionales discretizados
Autor/es:
FORZANI, LILIANA; FRAIMAN, RICARDO; LLOP, PAMELA
Lugar:
Santa Fe
Reunión:
Conferencia; Seminario del IMAL ``Carlos Segovia Fernández"; 2014
Institución organizadora:
IMAL
Resumen:
El actual progreso tecnológico en la recolección y el
almacenamiento de datos nos permite disponer de datos registrados sobre
grillas finitas, las cuales, gracias al avance en la tecnología, son cada
vez más densas sobre el tiempo. Si bien en la práctica los datos vienen
dados (siempre) como vectores finitos dimensionales, desde el punto de
vista teórico, las técnicas multivariadas clásicas no son adecuadas para
tratar con este tipo de datos. En este contexto, la teoría asintótica
puede ser analizada o bien asumiendo la existencia de un proceso
estocástico subyacente idealmente observado en cada punto, o bien
transformando los valores discretos (observados) en una función ya sea vía
interpolación, suavizado o representación en bases. Al tratar con el
problema de regresión para datos discretizados, una pregunta natural que
emerge es cuál es la relación entre el estimador no paramétrico "ideal"
calculado con la curva entera y aquel calculado con la muestra
discretizada. En esta dirección, establecemos condiciones bajo las cuales
la consistencia del estimador calculado con las trayectorias discretizadas
puede ser derivada de la consistencia del calculado con las curvas
completas. También damos condiciones en la discretización de la grilla de
manera de alcanzar la misma velocidad de convergencia que en caso infinito
dimensional. Estos resultados son consecuencia de dos resultados más
generales los cuales, además de discretización, también incluyen el caso
de regularización vía interpolación, suavizado o representación en bases.