A nonparametric bayesian approach for modeling and comparison of functional data

Detalhes bibliográficos
Autor(a) principal: Moreira, Diogo Barboza
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFSCAR
Texto Completo: https://repositorio.ufscar.br/handle/ufscar/16847
Resumo: The current advances of technology provides, among other things, several ways of collecting data, which enlarges the possibility of studying new phenomena. Researches focused on studying the functional relation between a variable and some quantity (usually time) produce the called functional data. The main feature of this kind of data is that they are registered using devices that can record values almost continuously over time. Suppose two groups of functional data and the interest is to evaluate the similarity of the groups over some range of time. This work proposes a method to compare the groups using predictive samples. The method submit data to a smoothing step using orthonormal functions series and the coefficients of the series are then used to model functional data, due to the bijective relation between the target functions and their respective coefficients. The goal is to estimate the multivariate density associated to the coefficients of each group. Under nonparametric Bayesian context, the densities were estimated using Dirichlet Process Mixture model. Comparison of the functional data groups were performed using a dissimilarity index based on some L2-distance and estimated using the predcitive samples of the fitted DPM model. The index has a great interpretative appeal and constitute an useful tool for data analysis. Furthermore, it is proposed a bayesian scheme to test the homogeneity of groups of functional data based on the distance between the distributions of the processes for each instant of time. A quick simulation study is presented, as well as preliminary analysis in real functional data set.
id SCAR_ecab0e5abc6ca4c504726293286a8354
oai_identifier_str oai:repositorio.ufscar.br:ufscar/16847
network_acronym_str SCAR
network_name_str Repositório Institucional da UFSCAR
repository_id_str 4322
spelling Moreira, Diogo BarbozaSalasar, Luis Ernesto Buenohttp://lattes.cnpq.br/5464564215528609http://lattes.cnpq.br/722195992357955432bd9177-3e7d-4c84-a33a-6884abb2b1af2022-10-11T16:57:25Z2022-10-11T16:57:25Z2022-09-02MOREIRA, Diogo Barboza. A nonparametric bayesian approach for modeling and comparison of functional data. 2022. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16847.https://repositorio.ufscar.br/handle/ufscar/16847The current advances of technology provides, among other things, several ways of collecting data, which enlarges the possibility of studying new phenomena. Researches focused on studying the functional relation between a variable and some quantity (usually time) produce the called functional data. The main feature of this kind of data is that they are registered using devices that can record values almost continuously over time. Suppose two groups of functional data and the interest is to evaluate the similarity of the groups over some range of time. This work proposes a method to compare the groups using predictive samples. The method submit data to a smoothing step using orthonormal functions series and the coefficients of the series are then used to model functional data, due to the bijective relation between the target functions and their respective coefficients. The goal is to estimate the multivariate density associated to the coefficients of each group. Under nonparametric Bayesian context, the densities were estimated using Dirichlet Process Mixture model. Comparison of the functional data groups were performed using a dissimilarity index based on some L2-distance and estimated using the predcitive samples of the fitted DPM model. The index has a great interpretative appeal and constitute an useful tool for data analysis. Furthermore, it is proposed a bayesian scheme to test the homogeneity of groups of functional data based on the distance between the distributions of the processes for each instant of time. A quick simulation study is presented, as well as preliminary analysis in real functional data set.Os recentes avanços na tecnologia fornecem, entre outras aspectos, diversas formas de coletar dados, o que aumenta possibilidade de estudar novos fenômenos. Pesquisas cujo foco seja estudar a relação funcional entre uma variável e uma grandeza física (geralmente o tempo) produzem os chamados dados funcionais. A principal característica desse tipo de dado é que eles são coletados utilizando dispositivos apropriados para registrar a informação quase que continuamente ao longo do tempo. Suponha dois grupos de dados funcionais e que o interesse é avaliar se os grupos são similares ou não em algum intervalo específico de tempo. Este trabalho apresenta um método para comparação de dois grupos de dados funcionais utilizando amostras preditivas. O método proposto submete os dados originais a uma etapa de suavização utilizando aproximação por séries de funções ortonormais e os coeficientes da série são utilizados para modelagem dos dados funcionais, devido ao fato de existir uma relação bijetora entre as funções alvo e seus respectivos coeficientes. O objetivo é estimar a densidade multivariada associada aos coeficientes de cada grupos. No contexto de inferência Bayesiana não paramétrica, as densidades foram estimadas através do uso de Misturas de Processos de Dirichlet (DPM). A comparação dos grupos de dados funcionais é então performada através de um índice de dissimilaridade baseado em uma medida de distância definida no espaço das funções e estimada através das curvas preditivas amostradas usando o modelo DPM ajustado. O índice possui grande apelo interpretativo e fornece uma ferramenta útil para análise dos dados. É proposto também um esquema bayesiano para testar a homogeneidade das distribuições dos grupos baseado na distância entre as distribuições dos processos para cada instante de tempo. Um rápido estudo de simulação é apresentado, bem como análises preliminares em dados funcionais reais.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)88882.426987/2019-01engUniversidade Federal de São CarlosCâmpus São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessFunctional dataDensity estimationDirichlet process mixturesBayesian inferenceNonparametricDissimilarityDados funcionaisEstimação de densidadesMistura de processos de dirichletInferência bayesianaNão paramétricaDissimilaridadeCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICACIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA NAO-PARAMETRICAA nonparametric bayesian approach for modeling and comparison of functional dataUma abordagem bayesiana não paramétrica para modelagem e comparação de dados funcionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis600600d18bde29-0b98-43e9-ae00-55c68009667areponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufscar.br/bitstream/ufscar/16847/5/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD55ORIGINAL[UFSCar] Dissertação - Diogo B Moreira.pdf[UFSCar] Dissertação - Diogo B Moreira.pdfDissertação de mestradoapplication/pdf13145301https://repositorio.ufscar.br/bitstream/ufscar/16847/1/%5bUFSCar%5d%20Disserta%c3%a7%c3%a3o%20-%20Diogo%20B%20Moreira.pdfd8476d28b0416451996bd1e58915a2e9MD51[UFSCar] Carta Comprovante PIPGEs.pdf[UFSCar] Carta Comprovante PIPGEs.pdfCarta comprovanteapplication/pdf455082https://repositorio.ufscar.br/bitstream/ufscar/16847/3/%5bUFSCar%5d%20Carta%20Comprovante%20PIPGEs.pdf1081dedde48abadf9357fd56a7291458MD53TEXT[UFSCar] Dissertação - Diogo B Moreira.pdf.txt[UFSCar] Dissertação - Diogo B Moreira.pdf.txtExtracted texttext/plain110465https://repositorio.ufscar.br/bitstream/ufscar/16847/6/%5bUFSCar%5d%20Disserta%c3%a7%c3%a3o%20-%20Diogo%20B%20Moreira.pdf.txtc29fe7d6af9a98704d7ec67f1bbb9deaMD56[UFSCar] Carta Comprovante PIPGEs.pdf.txt[UFSCar] Carta Comprovante PIPGEs.pdf.txtExtracted texttext/plain1249https://repositorio.ufscar.br/bitstream/ufscar/16847/8/%5bUFSCar%5d%20Carta%20Comprovante%20PIPGEs.pdf.txt04a2187aa25a79189deb5f5753f20852MD58THUMBNAIL[UFSCar] Dissertação - Diogo B Moreira.pdf.jpg[UFSCar] Dissertação - Diogo B Moreira.pdf.jpgIM Thumbnailimage/jpeg11334https://repositorio.ufscar.br/bitstream/ufscar/16847/7/%5bUFSCar%5d%20Disserta%c3%a7%c3%a3o%20-%20Diogo%20B%20Moreira.pdf.jpgca3816a190a524793cca9f058fdf7e9eMD57[UFSCar] Carta Comprovante PIPGEs.pdf.jpg[UFSCar] Carta Comprovante PIPGEs.pdf.jpgIM Thumbnailimage/jpeg8181https://repositorio.ufscar.br/bitstream/ufscar/16847/9/%5bUFSCar%5d%20Carta%20Comprovante%20PIPGEs.pdf.jpg5cfd77870c7f2cde3f428fddcaca867eMD59ufscar/168472023-09-18 18:32:33.402oai:repositorio.ufscar.br:ufscar/16847Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:32:33Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false
dc.title.eng.fl_str_mv A nonparametric bayesian approach for modeling and comparison of functional data
dc.title.alternative.por.fl_str_mv Uma abordagem bayesiana não paramétrica para modelagem e comparação de dados funcionais
title A nonparametric bayesian approach for modeling and comparison of functional data
spellingShingle A nonparametric bayesian approach for modeling and comparison of functional data
Moreira, Diogo Barboza
Functional data
Density estimation
Dirichlet process mixtures
Bayesian inference
Nonparametric
Dissimilarity
Dados funcionais
Estimação de densidades
Mistura de processos de dirichlet
Inferência bayesiana
Não paramétrica
Dissimilaridade
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA NAO-PARAMETRICA
title_short A nonparametric bayesian approach for modeling and comparison of functional data
title_full A nonparametric bayesian approach for modeling and comparison of functional data
title_fullStr A nonparametric bayesian approach for modeling and comparison of functional data
title_full_unstemmed A nonparametric bayesian approach for modeling and comparison of functional data
title_sort A nonparametric bayesian approach for modeling and comparison of functional data
author Moreira, Diogo Barboza
author_facet Moreira, Diogo Barboza
author_role author
dc.contributor.authorlattes.por.fl_str_mv http://lattes.cnpq.br/7221959923579554
dc.contributor.author.fl_str_mv Moreira, Diogo Barboza
dc.contributor.advisor1.fl_str_mv Salasar, Luis Ernesto Bueno
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5464564215528609
dc.contributor.authorID.fl_str_mv 32bd9177-3e7d-4c84-a33a-6884abb2b1af
contributor_str_mv Salasar, Luis Ernesto Bueno
dc.subject.eng.fl_str_mv Functional data
Density estimation
Dirichlet process mixtures
Bayesian inference
Nonparametric
Dissimilarity
topic Functional data
Density estimation
Dirichlet process mixtures
Bayesian inference
Nonparametric
Dissimilarity
Dados funcionais
Estimação de densidades
Mistura de processos de dirichlet
Inferência bayesiana
Não paramétrica
Dissimilaridade
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA NAO-PARAMETRICA
dc.subject.por.fl_str_mv Dados funcionais
Estimação de densidades
Mistura de processos de dirichlet
Inferência bayesiana
Não paramétrica
Dissimilaridade
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA NAO-PARAMETRICA
description The current advances of technology provides, among other things, several ways of collecting data, which enlarges the possibility of studying new phenomena. Researches focused on studying the functional relation between a variable and some quantity (usually time) produce the called functional data. The main feature of this kind of data is that they are registered using devices that can record values almost continuously over time. Suppose two groups of functional data and the interest is to evaluate the similarity of the groups over some range of time. This work proposes a method to compare the groups using predictive samples. The method submit data to a smoothing step using orthonormal functions series and the coefficients of the series are then used to model functional data, due to the bijective relation between the target functions and their respective coefficients. The goal is to estimate the multivariate density associated to the coefficients of each group. Under nonparametric Bayesian context, the densities were estimated using Dirichlet Process Mixture model. Comparison of the functional data groups were performed using a dissimilarity index based on some L2-distance and estimated using the predcitive samples of the fitted DPM model. The index has a great interpretative appeal and constitute an useful tool for data analysis. Furthermore, it is proposed a bayesian scheme to test the homogeneity of groups of functional data based on the distance between the distributions of the processes for each instant of time. A quick simulation study is presented, as well as preliminary analysis in real functional data set.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-10-11T16:57:25Z
dc.date.available.fl_str_mv 2022-10-11T16:57:25Z
dc.date.issued.fl_str_mv 2022-09-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MOREIRA, Diogo Barboza. A nonparametric bayesian approach for modeling and comparison of functional data. 2022. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16847.
dc.identifier.uri.fl_str_mv https://repositorio.ufscar.br/handle/ufscar/16847
identifier_str_mv MOREIRA, Diogo Barboza. A nonparametric bayesian approach for modeling and comparison of functional data. 2022. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16847.
url https://repositorio.ufscar.br/handle/ufscar/16847
dc.language.iso.fl_str_mv eng
language eng
dc.relation.confidence.fl_str_mv 600
600
dc.relation.authority.fl_str_mv d18bde29-0b98-43e9-ae00-55c68009667a
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.publisher.program.fl_str_mv Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
dc.publisher.initials.fl_str_mv UFSCar
publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSCAR
instname:Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
instname_str Universidade Federal de São Carlos (UFSCAR)
instacron_str UFSCAR
institution UFSCAR
reponame_str Repositório Institucional da UFSCAR
collection Repositório Institucional da UFSCAR
bitstream.url.fl_str_mv https://repositorio.ufscar.br/bitstream/ufscar/16847/5/license_rdf
https://repositorio.ufscar.br/bitstream/ufscar/16847/1/%5bUFSCar%5d%20Disserta%c3%a7%c3%a3o%20-%20Diogo%20B%20Moreira.pdf
https://repositorio.ufscar.br/bitstream/ufscar/16847/3/%5bUFSCar%5d%20Carta%20Comprovante%20PIPGEs.pdf
https://repositorio.ufscar.br/bitstream/ufscar/16847/6/%5bUFSCar%5d%20Disserta%c3%a7%c3%a3o%20-%20Diogo%20B%20Moreira.pdf.txt
https://repositorio.ufscar.br/bitstream/ufscar/16847/8/%5bUFSCar%5d%20Carta%20Comprovante%20PIPGEs.pdf.txt
https://repositorio.ufscar.br/bitstream/ufscar/16847/7/%5bUFSCar%5d%20Disserta%c3%a7%c3%a3o%20-%20Diogo%20B%20Moreira.pdf.jpg
https://repositorio.ufscar.br/bitstream/ufscar/16847/9/%5bUFSCar%5d%20Carta%20Comprovante%20PIPGEs.pdf.jpg
bitstream.checksum.fl_str_mv e39d27027a6cc9cb039ad269a5db8e34
d8476d28b0416451996bd1e58915a2e9
1081dedde48abadf9357fd56a7291458
c29fe7d6af9a98704d7ec67f1bbb9dea
04a2187aa25a79189deb5f5753f20852
ca3816a190a524793cca9f058fdf7e9e
5cfd77870c7f2cde3f428fddcaca867e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)
repository.mail.fl_str_mv
_version_ 1813715654705938432