Estimación de regresión modal mediante enfoque lineal local en caso de datos de alta dimensionalidad
Autores: Almulhim, Fatimah A.; Alamari, Mohammed B.; Laksaci, Ali; Kaid, Zoulikha
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Estimación de regresión modal mediante enfoque lineal local en caso de datos de alta dimensionalidad
Categoría
Matemáticas
Subcategoría
Análisis matemático
Palabras clave
Nuevo
Estimador no paramétrico
Modo condicional
Variable de entrada funcional
Enfoque lineal local
Algoritmo robusto
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Este documento presenta un nuevo estimador no paramétrico para detectar la moda condicional en el entorno de variables de entrada funcionales. El estimador integra un enfoque lineal local con un algoritmo robusto y trata la regresión modal como el minimizador de la derivada cuantil. Como resultado asintótico, derivamos las propiedades teóricas del estimador analizando su tasa de convergencia bajo el marco de casi completa consistencia. El resultado se establece bajo condiciones estándar, caracterizando tanto la estructura funcional de los datos como las propiedades de aproximación lineal local del modelo. Además, la expresión de la tasa de convergencia conserva la forma habitual de la tasa de convergencia estocástica en estadísticas funcionales. Simulaciones y aplicaciones de datos reales demuestran la efectividad del algoritmo, mostrando su ventaja sobre los métodos existentes en tareas de predicción de alta dimensión.
Descripción
Este documento presenta un nuevo estimador no paramétrico para detectar la moda condicional en el entorno de variables de entrada funcionales. El estimador integra un enfoque lineal local con un algoritmo robusto y trata la regresión modal como el minimizador de la derivada cuantil. Como resultado asintótico, derivamos las propiedades teóricas del estimador analizando su tasa de convergencia bajo el marco de casi completa consistencia. El resultado se establece bajo condiciones estándar, caracterizando tanto la estructura funcional de los datos como las propiedades de aproximación lineal local del modelo. Además, la expresión de la tasa de convergencia conserva la forma habitual de la tasa de convergencia estocástica en estadísticas funcionales. Simulaciones y aplicaciones de datos reales demuestran la efectividad del algoritmo, mostrando su ventaja sobre los métodos existentes en tareas de predicción de alta dimensión.