Search results

1

Outlier detection based on the functional coefficient of variation

100%

Deveci Kocakoç I., Köymen Keser I.

Statistics in Transition new series

|

2023

|

vol. 24

|

issue 2

1-16

EN

The coefficient of the variation function is a useful descriptive statistic, especially when comparing the variability of more than two curve groups, even when they have significantly different mean curves. Since the coefficient of variation function is the ratio of the mean and standard deviation functions, its particular property is that it shows the acceleration more explicitly than the standard deviation function. The aim of the study is twofold: to show that the functional coefficient of variation is more sensitive to abrupt changes than the functional standard deviation and to propose the utilisation of the functional coefficient of variation as an outlier detection tool. Several simulation trials have shown that the coefficient of the variation function allows the effects of outliers to be seen explicitly.

2

Functional Regression in Short-Term Prediction of Economic Time Series

100%

Kosiorowski D.

Statistics in Transition new series

|

2014

|

vol. 15

|

issue 4

611–626

EN

We compare four methods of forecasting functional time series including fully functional regression, functional autoregression FAR(1) model, Hyndman & Shang principal component scores forecasting using one-dimensional time series method, and moving functional median. Our comparison methods involve simulation studies as well as analysis of empirical dataset concerning the Internet users behaviours for two Internet services in 2013. Our studies reveal that Hyndman & Shao predicting method outperforms other methods in the case of stationary functional time series without outliers, and the moving functional median induced by Frainman & Muniz depth for functional data outperforms other methods in the case of smooth departures from stationarity of the time series as well as in the case of functional time series containing outliers.

3

Classification problems based on regression models for multi-dimensional functional data

100%

Górecki T., Krzyśko M., Wołyński W.

Statistics in Transition new series

|

2015

|

vol. 16

|

issue 1

97–110

EN

Data in the form of a continuous vector function on a given interval are referred to as multivariate functional data. These data are treated as realizations of multivariate random processes. We use multivariate functional regression techniques for the classification of multivariate functional data. The approaches discussed are illustrated with an application to two real data sets.

4

An Extension of the Classical Distance Correlation Coefficient for Multivariate Functional Data with Applications

100%

Górecki T., Krzyśko M., Ratajczak W., Wołyński W.

Statistics in Transition new series

|

2016

|

vol. 17

|

issue 3

449-466

EN

The relationship between two sets of real variables defined for the same individuals can be evaluated by a few different correlation coefficients. For the functional data we have one important tool: canonical correlations. It is not immediately straightforward to extend other similar measures to the context of functional data analysis. In this work we show how to use the distance correlation coefficient for a multivariate functional case. The approaches discussed are illustrated with an application to some socio-economic data.

5

Information Flows Around the Globe: Predicting Opening Gaps from Overnight Foreign Stock Price Patterns

88%

De Gooijer J. G., Diks C. G. H., Gątarek Ł. T.

Central European Journal of Economic Modelling and Econometrics

|

2012

|

issue 1

6

Forecasting of a Hierarchical Functional Time Series on Example of Macromodel for the Day and Night Air Pollution in Silesia Region — A Critical Overview

75%

Kosiorowski D., Mielczarek D., Rydlewski J. P.

Central European Journal of Economic Modelling and Econometrics

|

2018

|

issue 1

7

Ocena zróżnicowania poziomu życia mieszkańców województw w latach 2003–2013 za pomocą składowych głównych dla wielowymiarowych danych funkcjonalnych oraz analizy skupień

75%

Krzyśko M., Majka A., Wołyński W.

Przegląd Statystyczny

|

2016

|

vol. 63

|

issue 1

81-98

EN

The paper presents an estimation of life standard diversity for residents of Polish voivodships in 2003–2013. The principal component analysis was applied for multidimensional functional data and the dendrite method was used for cluster analysis. These methods made it possible to isolate relatively homogeneous groups of voivodships that had similar values of characteristics under consideration, for the whole period at issue.

PL

W artykule przedstawiono ocenę zróżnicowania poziomu życia mieszkańców województw w latach 2003–2013. Do oceny zastosowano analizę składowych głównych dla wielowymiarowych danych funkcjonalnych oraz dendrytową analizę skupień. Metody te pozwoliły na wyodrębnienie względnie jednorodnych grup województw o zbliżonym poziomie rozpatrywanych cech dla całego rozpatrywanego okresu łącznie.

8

Some asymptotic results of the estimators for conditional mode for functional data in the single index model missing data at random

75%

Mekkaoui S., Kadiri N., Rabhi A.

Przegląd Statystyczny

|

2023

|

vol. 70

|

issue 2

20-45

EN

In this work, we consider the problem of non-parametric estimation of a regression function, namely the conditional density and the conditional mode in a single functional index model (SFIM) with randomly missing data. The main result of this work is the establishment of the asymptotic properties of the estimator, such as almost complete convergence rates. Moreover, the asymptotic normality of the constructs is obtained under certain mild conditions. We finally discuss how to apply our result to construct confidence intervals.

9

Unform in Bandwith of the Conditional Distribution Function With Functional Explanatory Variable: The Case of Spatial Data With the K Nearest Neighbour Method

63%

Bouabsa W.

Econometrics. Ekonometria. Advances in Applied Data Analytics

|

2022

|

vol. 26

|

issue 2

30-46

PL

W artykule opisano nowy estymator funkcji rozkładu warunkowego (CDF) używany, gdy współzmienne mają charakter funkcjonalny. Ten estymator jest połączeniem obu procedur: k-najbliższego sąsiada i przestrzennej estymacji funkcjonalnej.

EN

In this paper the author introduced a new conditional distribution function estimator, in short (cdf), when the co-variables are functional in nature. This estimator is a mix of both procedures the k Nearest Neighbour method and the spatial functional estimation.

10

Single Functional Index Quantile Regression for Functional Data with Missing Data at Random

51%

Kadiri N., Mekki S. D., Rabhi A.

Econometrics. Ekonometria. Advances in Applied Data Analytics

|

2023

|

vol. 27

|

issue 3

1-19

PL

Głównym celem przedstawionych w artykule badań jest oszacowanie kwantyla rozkładu warunkowego przy użyciu podejścia półparametrycznego w obecności losowo brakujących danych, gdzie zmienna predykcyjna należy do przestrzeni semimetrycznej. Założono strukturę pojedynczego indeksu, aby połączyć zmienną objaśniającą i zmienną odpowiedzi. Wstępnie zaproponowano estymator jądra dla funkcji rozkładu warunkowego, zakładając, że dane są losowo wybierane z procesu stacjonarnego z brakującymi danymi (MAR). Nakładając pewne ogólne warunki, ustalono jednolitą, prawie całkowitą zgodność modelu ze współczynnikami konwergencji.

EN

The primary goal of this research was to estimate the quantile of a conditional distribution using a semi-parametric approach in the presence of randomly missing data, where the predictor variable belongs to a semi-metric space. The authors assumed a single index structure to link the explanatory and response variable. First, a kernel estimator was proposed for the conditional distribution function, assuming that the data were selected from a stationary process with missing data at random (MAR). By imposing certain general conditions, the study established the model’s uniform almost complete consistencies with convergence rates.

11

A Critical Study of Usefulness of Selected Functional Classifiers in Economics

51%

Kosiorowski D., Mielczarek D., Rydlewski J. P.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2020

|

vol. 2

|

issue 347

71-90

PL

W artykule przeprowadzono krytyczną analizę najbardziej znanych klasyfikatorów dla danych funkcjonalnych. Ponadto zaproponowano nowy klasyfikator dla danych funkcjonalnych. Przedyskutowano pewne, związane z odpornością, własności rozważanych klasyfikatorów. Wypracowane w artykule podejście może zostać użyte do przewidywania stanu gospodarki na podstawie indeksu mierzącego optymizm konsumentów – CCI (Consumer Confidence Index) oraz indeksu odzwierciedlającego optymizm w sektorze przemysłowym – IPI (Industrial Price Index), przy czym wykorzystuje się nie tylko skalarne wartości indeksu, lecz także całą trajektorię/kształt funkcji opisującej dany indeks. W związku z tym nasze rozważania mogą być pomocne w skonstruowaniu lepszego barometru stanu gospodarki. O ile wiadomo autorom, jest to pierwsze porównanie klasyfikatorów dla danych funkcjonalnych ze względu na kryterium ich użyteczności aplikacyjnej w ekonomii. Głównym celem artykułu jest zaprezentowanie, jak mała frakcja obserwacji nietypowych w próbce uczącej, będących liniowo niezależnymi z próbką uczącą, która z kolei składa się z funkcji prawie liniowo zależnych, jest w stanie poważnie zaburzyć wyniki klasyfikacji dla wszystkich rozpatrywanych klasyfikatorów.

EN

In this paper we conduct a critical analysis of the most popular functional classifiers. Moreover, we propose a new classifier for functional data. Some robustness properties of the functional classifiers are discussed as well. We can use an approach worked out in this paper to predict the expected state of the economy from aggregated Consumer Confidence Index (CCI, measuring consumers optimism) and Industrial Price Index (IPI, reflecting a degree of optimism in industry sector) exploiting not only scalar values of the indices but also the trajectories/shapes of functions describing the indices. Thus our considerations may be helpful in constructing a better economic barometer. As far as we know, this is the first comparison of functional classifiers with respect to a criterion of their usefulness in economic applications. The main result of the paper is a presentation of how a small fraction of outliers in a training sample, which are linearly independent from the training sample, consisting of almost linearly dependent functions, corrupt all analysed classifiers.

12

Asymptotic Normality of Single Functional Index Quantile Regression for Functional Data with Missing Data at Random

51%

Allal A., Kadiri N., Rabhi A.

Econometrics. Ekonometria. Advances in Applied Data Analytics

|

2024

|

vol. 28

|

issue 1

26-38

PL

W artykule autorzy prowadzą rozważania dotyczące problemu nieparametrycznej estymacji funkcji regresji, a mianowicie rozkładu warunkowego i kwantyla warunkowego w modelu pojedynczego indeksu funkcjonalnego (SFIM) przy założeniu niezależnych i z identycznym rozkładem danych z losowymi brakami danych. Głównym rezultatem przeprowadzonych badań było ustalenie asymptotycznych właściwości estymatora, takich jak prawie całkowite współczynniki zbieżności. Co więcej, asymptotyczną normalność konstruktów uzyskano dla pewnych łagodnych warunków. Na koniec omówiono, jak zastosować uzyskany wynik do skonstruowania przedziałów ufności.

EN

This work addresses the problem of the nonparametric estimation of the regression function, namely the conditional distribution and the conditional quantile in the single functional index model (SFIM) under the independent and identically distributed condition with randomly missing data. The main result of this study was the establishment of the asymptotic properties of the estimator, such as the almost complete convergence rates. Moreover, the asymptotic normality of the constructs was obtained under certain mild conditions. Lastly, the authors discussed how to apply the result to construct confidence intervals.

13

Central Limit Theorem for Conditional Mode in the Single Functional Index Model with Data Missing at Random

51%

Allal A., Dib A., Rabhi A.

Econometrics. Ekonometria. Advances in Applied Data Analytics

|

2024

|

vol. 28

|

issue 1

39-60

PL

W artykule skoncentrowano się na nieparametrycznym estymowaniu warunkowej funkcji gęstości i warunkowej dominanty w modelu pojedynczego wskaźnika funkcjonalnego dla niezależnych danych, szczególnie gdy na interesującą zmienną wpływają losowo brakujące dane. Obejmuje to strukturę półparametrycznego pojedynczego modelu i proces cenzurowania zmiennych. Zgodność estymatora (ze współczynnikami) w różnych sytuacjach, np. w ramach modelu pojedynczego wskaźnika funkcjonalnego przy założeniu niezależnych i z identycznym rozkładem danych z losowymi brakami, a także jego działanie w warunkach, gdy zmienna towarzysząca jest funkcjonałem, to główne obszary zainteresowania. Dla tego modelu wyznacza się prawie całkowicie jednolitą zbieżność i wskaźnik zbieżności. Wskaźniki zbieżności podkreślają kluczową rolę, jaką prawdopodobieństwo koncentracji odgrywa w założeniach dotyczących objaśniającej zmiennej funkcjonalnej. Dodatkowo ustala się asymptotyczną normalność wyprowadzonych estymatorów zaproponowanych w określonych łagodnych warunkach, opierając się na standardowych założeniach z analizy danych funkcjonalnych dla dowodów. Na koniec zbadano praktyczne zastosowanie ustaleń w konstruowaniu przedziałów ufności dla naszych estymatorów. Wskaźniki zbieżności podkreślają kluczową rolę, jaką prawdopodobieństwo koncentracji odgrywa w założeniach dotyczących objaśniającej zmiennej funkcjonalnej.

EN

This paper concentrates on nonparametrically estimating the conditional density function and conditional mode within the single functional index model for independent data, particularly when the variable of interest is affected by randomly missing data. This involves a semi-parametric single model structure and a censoring process on the variables. The estimator's consistency (with rates) in a variety of situations, such as the framework of the single functional index model (SFIM) under the assumption of independent and identically distributed (i.i.d) data with randomly missing entries, as well as its performance under the assumption that the covariate is functional, are the main areas of focus. For this model, the nearly almost complete uniform convergence and rate of convergence established. The rates of convergence highlight the critical part that the probability of concentration play in the law of the explanatory functional variable. Additionally, we establish the asymptotic normality of the derived estimators proposed under specific mild conditions, relying on standard assumptions in Functional Data Analysis (FDA) for the proofs. Finally, we explore the practical application of our findings in constructing confidence intervals for our estimators. The rates of convergence highlight the critical part that the probability of concentration play in the law of the explanatory functional variable.

Refine search results

Outlier detection based on the functional coefficient of variation

Functional Regression in Short-Term Prediction of Economic Time Series

Classification problems based on regression models for multi-dimensional functional data

An Extension of the Classical Distance Correlation Coefficient for Multivariate Functional Data with Applications

Information Flows Around the Globe: Predicting Opening Gaps from Overnight Foreign Stock Price Patterns

Forecasting of a Hierarchical Functional Time Series on Example of Macromodel for the Day and Night Air Pollution in Silesia Region — A Critical Overview

Ocena zróżnicowania poziomu życia mieszkańców województw w latach 2003–2013 za pomocą składowych głównych dla wielowymiarowych danych funkcjonalnych oraz analizy skupień

Some asymptotic results of the estimators for conditional mode for functional data in the single index model missing data at random

Unform in Bandwith of the Conditional Distribution Function With Functional Explanatory Variable: The Case of Spatial Data With the K Nearest Neighbour Method

Single Functional Index Quantile Regression for Functional Data with Missing Data at Random

A Critical Study of Usefulness of Selected Functional Classifiers in Economics

Asymptotic Normality of Single Functional Index Quantile Regression for Functional Data with Missing Data at Random

Central Limit Theorem for Conditional Mode in the Single Functional Index Model with Data Missing at Random