Tesis doctoral de Sara Lopez Pintado
La generalización de las nuevas tecnologías y la creciente complejidad de los análisis estadísticos en distintas disciplinas, como economía, biología o medicina, generan con frecuencia datos en forma de funciones. En esta tesis doctoral se propone una metodología para analizar datos funcionales basada en la idea de profundidad. En primer lugar, se introducen varias definiciones de la noción de profundidad para datos funcionales y se analizan sus propiedades. La versión finito-dimensional de estos nuevos conceptos proporciona una alternativa a todas las nociones de profundidad existentes que es computacionalmente factible en cualquier dimensión y, por tanto, adecuada para cualquier tipo de observaciones de gran complejidad. Además, se extienden a datos funcionales las ideas de regiones recortadas y centrales y se estudian sus propiedades. También se presentan estrategias de contraste de hipótesis basadas en las nuevas definiciones para decidir si dos grupos de curvas proceden de la misma población. Finalmente, se construyen procedimientos de clasificación supervisada robustos y se aplican a datos de microarrays.
Datos académicos de la tesis doctoral «Profundidad para datos funcionales«
- Título de la tesis: Profundidad para datos funcionales
- Autor: Sara Lopez Pintado
- Universidad: Carlos III de Madrid
- Fecha de lectura de la tesis: 06/07/2005
Dirección y tribunal
- Director de la tesis
- Juan Romo Urroz
- Tribunal
- Presidente del tribunal: daniel Peña sánchez de rivera
- Antonio Cuevas gonzález (vocal)
- wenceslao González manteiga (vocal)
- María no Valderrama bonnet (vocal)