A nonparametric bayesian approach for modeling and comparison of functional data
Autor(a) principal: | |
---|---|
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 |