Robust estimators under a functional common principal components model

هنگام برخورد با چندین جمعیت از داده های عملکردی، برابری اپراتورهای کوواریانس اغلب حتی زمانی که در جستجوی یک تقریب بعدی با داده ها هستند، فرض می شود. معمولا، اگر این فرض را نداشته باشد، اپراتور کوواریانس هر گروه را به صورت جداگانه ارزیابی می کند، که منجر به تعداد زیادی پارامتر می شود. همانطور که در تنظیم چند متغیره، این رضایت بخش نیست، زیرا اپراتورهای کوواریانس ممکن است برخی از ساختار مشترک را به نمایش بگذارند، مثل مثال فرض اصلی جهت اصلی. روش های موجود برای برآورد جهات مشترک حساس به مشاهدات غیر معمول هستند. به همین دلیل، برآوردگرهای پیش بینی دقیق پیگیری برای جهت مشترک، تحت یک مدل مولفه اصلی مشترک در نظر گرفته می شود. یک روش عددی برای محاسبه مسیرهای اول نیز ارائه شده است. در شرایط خفیف، نتایج سازگاری به دست می آید. یک مطالعه مونت کارلو برای مقایسه رفتار نمونه محدود برآوردگرها بر اساس مقیاس های قوی و انحراف استاندارد انجام شده است. مفید بودن رویکرد پیشنهادی بر روی یک مجموعه داده واقعی نشان داده شده است.