Project information
Analýza funkcionálních dat a související témata
- Project Identification
- GA15-06991S
- Project Period
- 1/2015 - 12/2017
- Investor / Pogramme / Project type
-
Czech Science Foundation
- Standard Projects
- MU Faculty or unit
- Faculty of Science
- Cooperating Organization
-
Palacký University, Olomouc
- Responsible person doc. RNDr. Eva Fišerová, Ph.D.
Statistické metodologie zabývající se funkcionálními daty jsou nazývány analýzami funkcionálních dat (FDA), přičemž termínem "funkcionální" je zdůrazněna skutečnost, že data jsou tvořena funkcemi popisujícími křivky a plochy. V projektu budou detailně rozvíjeny teoretické stránky FDA související především s praktickými problémy. Naším cílem je zabývat se těmito úkoly tak, abychom podali teoretický i praktický návod pro tvorbu flexibilnějších modelů. Vzhledem k tomu, že standardní vícerozměrné statistické metody často selhávají při aplikaci na funkcionální data, zaměříme se na zobecnění, která umožní využít relevantní informace z těchto dat. Takovými metodami jsou např. jádrové metody v regresních modelech a analýze přežití, splajnové modely v analýze tvaru a obrazu a statistická analýza hustot pravděpodobností pomocí logratio metodiky kompozičních dat.
Publications
Total number of publications: 31
2017
-
Methods for bandwidth detection in kernel conditional density estimations
Year: 2017
-
Priestley-Chao Estimator of Conditional Density
Mathematics, Information Technologies and Applied Sciences 2017, post-conference proceedings of extended versions of selected papers, year: 2017
-
Random Functional Variable and Fourier Series
Functional Statistics and Related Fields, year: 2017
2016
-
Effect of spontaneous activity on stimulus detection in a simple neuronal model
Mathematical Biosciences and Engineering, year: 2016, volume: 13, edition: 2, DOI
-
Generalized Nonlinear Yule Models
JOURNAL OF STATISTICAL PHYSICS, year: 2016, volume: 165, edition: 3, DOI
-
Maximum likelihood method for bandwidth detection of kernel conditional density estimation
Year: 2016, type: Appeared in Conference without Proceedings
-
Maximum likelihood method for bandwidth detection of kernel conditional density estimation
Year: 2016, type: Conference abstract
-
Metoda maximální věrohodnosti pro volbu vyhlazovacích parametrů jádrových odhadů podmíněné hustoty.
Year: 2016, type: Appeared in Conference without Proceedings
-
Neparametrická funkcionálna regresia
Year: 2016, type: Appeared in Conference without Proceedings
-
Selection of bandwidth for kernel regression
Communications in Statistics - Theory and Methods, year: 2016, volume: 45, edition: 5, DOI