Dispersion operators and resistant second-order functional data analysis
离散度算子与抗异常的二阶函数型数据分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究函数型数据的二阶结构与稳健检验，没有金融波动率等所列细分的直接证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
离散度算子与抗异常的二阶函数型数据分析
- 研究问题
- 当函数型数据偏离高斯分布或含异常观测时，如何可靠刻画二阶结构，并比较两个函数型样本的二阶特征？
- 方法与思路
- 作者引入离散度算子，基于相应得分算子构造正则化 M 检验，使用谱截断的 Hilbert–Schmidt 范数。
- 材料陈述的贡献
- 摘要称该检验可抵抗异常观测与非正态性，并推导统计量的渐近分布，通过模拟和结构生物学数据说明方法。
- 阅读关注点
- 核对离散度算子与协方差的关系、谱截断及正则化选择，明确检验零假设、渐近条件和抵抗异常的具体含义。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；稳健性的条件、异常类型与有限样本表现未详述，不能认定对所有污染有效。
原文摘要
Inferences related to the second-order properties of functional data, as expressed by covariance structure, can become unreliable when the data are non-Gaussian or contain unusual observations. In the functional setting, it is often difficult to identify atypical observations, as their distinguishing characteristics can be manifold but subtle. In this paper, we introduce the notion of a dispersion operator, investigate its use in probing the second-order structure of functional data, and develop a test for comparing the second-order characteristics of two functional samples that is resistant to atypical observations and departures from normality. The proposed test is a regularized M-test based on a spectrally truncated version of the Hilbert–Schmidt norm of a score operator defined via the dispersion operator. We derive the asymptotic distribution of the test statistic, investigate the behaviour of the test in a simulation study and illustrate the method on a structural biology dataset.