Principal Component Analysis of a stochastic process whose sample paths are piecewise constant functions.

Aguilera del Pino, Ana María, Ocaña Lara, Francisco A., and Valderrama Bonnet, Mariano J.. "Análisis en componentes principales de un proceso estocástico con funciones muestrales escalonadas.." Qüestiió 20.1 (1996): 7-28. <http://eudml.org/doc/40224>.

@article{AguileradelPino1996,
abstract = {El ACP de un número finito de variables puede ser generalizado para manejar datos que evolucionan en el tiempo. El objetivo de este trabajo es la estimación de los factores principales de procesos aleatorios con funciones muestrales escalonadas. Ante la imposibilidad de obtener una solución exacta a este problema, proponemos estimar el ACP de un proceso de este tipo a partir del ACP del proceso cuyas trayectorias se obtienen como proyección de las originales en el subespacio de las funciones constantes sobre los subintervalos de una partición previamente fijada. Finalmente, incluimos una aplicación con datos reales estudiando el error cuadrático medio de las reconstrucciones del proceso proporcionadas por el ACP así aproximado.},
author = {Aguilera del Pino, Ana María, Ocaña Lara, Francisco A., Valderrama Bonnet, Mariano J.},
journal = {Qüestiió},
keywords = {Procesos estocásticos; Sistemas aleatorios; Análisis multivariante; Covarianza},
language = {spa},
number = {1},
pages = {7-28},
title = {Análisis en componentes principales de un proceso estocástico con funciones muestrales escalonadas.},
url = {http://eudml.org/doc/40224},
volume = {20},
year = {1996},
}

TY - JOUR
AU - Aguilera del Pino, Ana María
AU - Ocaña Lara, Francisco A.
AU - Valderrama Bonnet, Mariano J.
TI - Análisis en componentes principales de un proceso estocástico con funciones muestrales escalonadas.
JO - Qüestiió
PY - 1996
VL - 20
IS - 1
SP - 7
EP - 28
AB - El ACP de un número finito de variables puede ser generalizado para manejar datos que evolucionan en el tiempo. El objetivo de este trabajo es la estimación de los factores principales de procesos aleatorios con funciones muestrales escalonadas. Ante la imposibilidad de obtener una solución exacta a este problema, proponemos estimar el ACP de un proceso de este tipo a partir del ACP del proceso cuyas trayectorias se obtienen como proyección de las originales en el subespacio de las funciones constantes sobre los subintervalos de una partición previamente fijada. Finalmente, incluimos una aplicación con datos reales estudiando el error cuadrático medio de las reconstrucciones del proceso proporcionadas por el ACP así aproximado.
LA - spa
KW - Procesos estocásticos; Sistemas aleatorios; Análisis multivariante; Covarianza
UR - http://eudml.org/doc/40224
ER -