Empirical Likelihood-Based Inference for Functional Means with Application to Wearable Device Data
函数均值的经验似然推断及其可穿戴设备数据应用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：摘要涉及函数数据均值和健康设备数据，未明确讨论经济分布效应、面板模型或给定分类中的其他专门问题。
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
函数均值的经验似然推断及其可穿戴设备数据应用
- 研究问题
- 如何对可穿戴设备数据形成的活动占用时间曲线进行均值推断，覆盖全部活动水平，并处理轨迹离散化与协方差不连续？
- 方法与思路
- 作者提出非参数似然比推断框架，用于构造函数均值的置信带及比较均值，同时允许函数协方差不连续和观测离散化。
- 材料陈述的贡献
- 摘要称方法适应上述曲线特征，模拟中优于所比较的函数数据方法，并以 NHANES 可穿戴设备数据展示应用。
- 阅读关注点
- 核对占用时间曲线定义、置信带的覆盖目标、离散化条件与协方差限制，并检查模拟比较的指标、对照方法和设计。
- 阅读边界
- 仅据所给 Crossref 摘要；理论条件、模拟数值及比较范围未提供，摘要所称优势不能推广为对所有函数数据方法的优势。
原文摘要
Abstract This paper develops a nonparametric inference framework that is applicable to occupation time curves derived from wearable device data. These curves consider all activity levels within the range of device readings, which is preferable to the practice of classifying activity into discrete categories. Motivated by certain features of these curves, we introduce a powerful likelihood ratio approach to construct confidence bands and compare functional means. Notably, our approach allows discontinuities in the functional covariances while accommodating discretization of the observed trajectories. A simulation study shows that the proposed procedures outperform competing functional data procedures. We illustrate the proposed methods using wearable device data from an NHANES study.