A Smooth Simultaneous Confidence Corridor for the Mean of Sparse Functional Data
稀疏函数数据均值的平滑同时置信带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：摘要研究一般稀疏函数数据的均值置信带，未明确属于所列面板、分布效应或预测方向。
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…
稀疏函数数据均值的平滑同时置信带
- 研究问题
- 对于每条曲线仅有稀疏观测的函数数据，如何对整个均值函数构造平滑同时置信带，并建立其渐近覆盖有效性？
- 方法与思路
- 作者提出局部线性同时置信带和一组置信区间，利用新的高斯过程极值理论结果处理传统嵌入方法不适用的稀疏情形。
- 材料陈述的贡献
- 摘要称所提置信带渐近等价于独立回归数据的置信带，并通过模拟检查表现，以生长曲线数据展示整条均值函数的推断。
- 阅读关注点
- 应核对稀疏观测的定义、曲线内相关和采样条件、带宽及偏差处理，以及同时置信带与所提置信区间集合的关系。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；覆盖定理条件、显著性数值和模拟细节未说明，不能判断有限样本准确性或刊本变化。
原文摘要
Functional data analysis (FDA) has become an important area of statistics research in the recent decade, yet a smooth simultaneous confidence corridor (SCC) does not exist in the literature for the mean function of sparse functional data. SCC is a powerful tool for making statistical inference on an entire unknown function, nonetheless classic “Hungarian embedding” techniques for establishing asymptotic correctness of SCC completely fail for sparse functional data. We propose a local linear SCC and a shoal of confidence intervals (SCI) for the mean function of sparse functional data, and establish that it is asymptotically equivalent to the SCC of independent regression data, using new results from Gaussian process extreme value theory. The SCC procedure is examined in simulations for its superior theoretical accuracy and performance, and used to analyze growth curve data, confirming findings with quantified high significance levels. Supplementary materials for this article are available online.