Ridge reconstruction of partially observed functional data is asymptotically optimal

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F20%3A00114134" target="_blank" >RIV/00216224:14310/20:00114134 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1016/j.spl.2020.108813" target="_blank" >https://doi.org/10.1016/j.spl.2020.108813</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.spl.2020.108813" target="_blank" >10.1016/j.spl.2020.108813</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Ridge reconstruction of partially observed functional data is asymptotically optimal

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

Ridge reconstruction of partially observed functional data is asymptotically optimal

Popis výsledku anglicky

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.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GJ17-22950Y" target="_blank" >GJ17-22950Y: Statistická inference pro složité náhodné procesy v ekonometrickém modelování</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Statistics and Probability Letters

ISSN

0167-7152

e-ISSN

1879-2103

Svazek periodika

165

Číslo periodika v rámci svazku

OCT 2020

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

5

Strana od-do

1-5

Kód UT WoS článku

000552009600001

EID výsledku v databázi Scopus

2-s2.0-85085042917