Un estadístico U para probar la falta de dependencia en un modelo de regresión parcialmente lineal funcional
Autores: Zhao, Fanrong; Zhang, Baoxue
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un estadístico U para probar la falta de dependencia en un modelo de regresión parcialmente lineal funcional
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Parte lineal funcional
Parte no paramétrica
Relación lineal
Predictor funcional
U-estadístico
Normalidad asintótica
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 23
Citaciones: Sin citaciones
El modelo de regresión parcialmente lineal funcional comprende una parte lineal funcional y una parte no paramétrica. Probar la relación lineal entre la respuesta y el predictor funcional es de fundamental importancia. En casos donde los datos funcionales no pueden aproximarse con unos pocos componentes principales, desarrollamos un estadístico U de segundo orden utilizando una pseudoestimación para el componente no paramétrico desconocido. Bajo algunas condiciones de regularidad, se establece la normalidad asintótica del estadístico de prueba propuesto utilizando el teorema del límite central de martingalas. El test propuesto se evalúa para propiedades de muestra finita a través de estudios de simulación y su aplicación a datos reales.
Descripción
El modelo de regresión parcialmente lineal funcional comprende una parte lineal funcional y una parte no paramétrica. Probar la relación lineal entre la respuesta y el predictor funcional es de fundamental importancia. En casos donde los datos funcionales no pueden aproximarse con unos pocos componentes principales, desarrollamos un estadístico U de segundo orden utilizando una pseudoestimación para el componente no paramétrico desconocido. Bajo algunas condiciones de regularidad, se establece la normalidad asintótica del estadístico de prueba propuesto utilizando el teorema del límite central de martingalas. El test propuesto se evalúa para propiedades de muestra finita a través de estudios de simulación y su aplicación a datos reales.