Resumen

NDIAYE, Mamadou; DABO-NIANG, Sophie  y  NGOM, Papa. Predicción no paramétrica para datos funcionales dependientes del espacio bajo un diseño de muestreo fijo. Rev.Colomb.Estad. [online]. 2022, vol.45, n.2, pp.391-428.  Epub 02-Feb-2023. ISSN 0120-1751.  https://doi.org/10.15446/rce.v45n2.98957.

En este trabajo consideramos una predicción no paramétrica de un proceso espacial y funcional observado bajo un diseño de muestreo no aleatorio. El predictor propuesto se basa en la regresión funcional y depende de dos núcleos, uno de los cuales controla la estructura espacial y el otro mide la proximidad entre las observaciones funcionales. Esta metodología puede considerarse, en particular, como una nueva herramienta de clasificación supervisada cuando la variable de interés pertenece a un conjunto finito discreto predefinido. El error cuadrático medio y la convergencia casi completa (o certera) se obtienen cuando la muestra considerada es una a realizado estudios numéricos para ilustrar el comportamiento de nuestro predictor. Esta aplicación mediante simulación de un modelo numérico muestra que el método de predicción propuesto supera al predictor clásico que no tiene en cuenta la estructura espacial.

Palabras clave : Clasificación supervisada; Datos funcionales dependientes; Diseño fijo; Predicción no paramétrica.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )