MerQuR+Başvuru Kitabı

159. Fonksiyonel veri analizi

Şablon kimliği: fonksiyonel_veri · Kategori: çok değişkenli · Dil: R · Dosya: pro/sablonlar/cok_degiskenli/fonksiyonel_veri.R (satır 1–277; üstbilgi 1–118) · Örnek veri: _ornek/kanada_hava.csv · Paketler: fda 6.3.0 (R 4.5.3)

159.1 Ne işe yarar

Şablon, her birimin bir eğri olarak ölçüldüğü veriyi (bir istasyonun 365 günlük sıcaklığı, bir hastanın saat saat kan basıncı, bir bitkinin dalga boyuna göre yansıması) tek tek sayılar yerine fonksiyonlar olarak çözümler. Uzun biçimde üç sütun ister: eğri kimliği, argüman (zaman, gün, konum) ve ölçülen değer. Üç iş yapar:

  1. Düzgünleştirme. Her eğri, seçilen temel işlevlerin (Fourier ya da kübik B-spline) doğrusal birleşimi olarak, isteğe bağlı pürüzlülük cezasıyla kestirilir: x_i(t)\approx\sum_{k=1}^{K}c_{ik}\varphi_k(t).
  2. Fonksiyonel temel bileşenler analizi (TBA). Eğrilerin ortalamadan sapmaları, birbirine dik "harmonik" işlevlerle özetlenir. Çıktı: öz değerler, açıklanan varyans oranları, her eğrinin bileşen puanları, ortalama işlev ve harmoniklerin ızgaradaki değerleri.
  3. İsteğe bağlı skaler-işlev regresyonu. Eğri başına tek bir değer (ör. yıllık yağış) seçilirse, y_i=\alpha+\int x_i(t)\beta(t)\,dt+e_i modeli kestirilir: \beta(t), argümanın hangi bölgesindeki eğri değerlerinin yanıtı ne kadar ağırlıklandırdığını gösteren katsayı işlevidir.

Ne zaman kullanılır?

  • Her birimde ölçüm sayısı çok, ölçümler birbirine yakın argümanlarda ve düzgün bir yapı izliyorsa (sıcaklık, büyüme eğrisi, spektrum, hareket izi).
  • Eğrilerin ana değişim biçimlerini ve birimlerin bu biçimlerdeki konumunu görmek istendiğinde (bileşen puanları).
  • Bir skaler sonucun, eğrinin tamamına bağlı olup olmadığı ve nerede bağlandığı soruldukça.

Ne zaman kullanılmaz?

  • Birim başına yalnız 3–5 tekrarlı ölçüm ve eğri yapısı yoksa: ortak değişkenli ya da karma etkili modeller. MerQuR+'ta tekrarlı ölçümler için karma_model kategorisindeki şablonlar (ör. Bölüm 24, nlme_karma), temel programda ise tekrarlı ölçümlü varyans analizi ve karma model.
  • Sınıflandırma ya da kümeleme hedefleniyorsa: bu şablon puanları üretir ama grup ayrımı yapmaz; puanlar temel programdaki kümeleme ya da ayırma çözümlemesine girdi olarak verilebilir.
  • Birimler arasında bağımlılık (uzamsal, zamansal) varsa: eğriler bağımsız sayılır (159.4.6). Uzamsal bağımlılık için uzamsal kategorisi.
  • Ölçüm gürültüsü büyük ve tek bir yapı aranıyorsa: harmonik sayısını dikkatle seçmek gerekir; bu şablon harmonik sayısı için bir ölçüt (ör. kırılma grafiği) üretmez.

Temel programla ilişki. Temel programda eğri verisine özgü bir analiz yoktur. Sıradan temel bileşenler analizi her sütunu ayrı bir değişken sayar ve argümanın sırasını bilmez; burada ise komşu argümanlar düzgünlük ve integral yoluyla ilişkilidir. Bütün eğrilerin ortak ızgarada, eksiksiz ölçüldüğü durumda iki yöntemin sonuçları yakındır (Ramsay ve Silverman, 2005, Bölüm 8); fark, burada düzgünleştirmenin ve integralin açıkça yapılmasıdır.

159.2 Şablonun girdileri

Form, üstbilgideki 15 [[param]] bloğundan kurulur (fonksiyonel_veri.R:10–117). Türlerin ve ortak denetimin anlamı Bölüm 1.2'de anlatılmıştır.

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Eğri kimliği · kimlik kategorik sütun · Değişkenler yok herhangi bir sütun Eğrileri ayırır; eğrilerin sırası dosyadaki ilk görülme sırasıdır (10–14, 126, 132).
Argüman · arguman sayısal sütun · Değişkenler yok sayısal sütun Eğrinin bağımsız değişkeni t (15–19, 126).
Ölçülen değer · deger sayısal sütun · Değişkenler yok sayısal sütun Eğrinin değeri x_i(t) (20–24, 126).
Temel işlevler · temel seçim · Model fourier fourier, bspline Fourier dönemsel veri içindir; B-spline genel (25–31, 137, 158).
Temel işlev sayısı · K tamsayı · Model 21 5–401 Fourier'de çift sayı bir artırılır, tek yapılır (32–39, 140–141).
Cezalandırma katsayısı · lambda ondalık · Model 0 0–10^{12} 0: cezasız en küçük kareler (40–47, 143).
Temel bileşen sayısı · nharm tamsayı · Seçenekler 4 1–10 Kullanılan sayı \min(\text{nharm},\,N-1,\,K) (48–55, 169).
Skaler yanıt · yanit sayısal sütun · Değişkenler boş herhangi bir sayısal sütun Doluysa regresyon kurulur (56–61, 124, 126).
β için temel sayısı · beta_K tamsayı · Model 5 1–25 \beta(t) temelinin boyutu; Fourier'de tek sayıya yuvarlanır (62–69, 213).
B-spline mertebesi · spline_derece tamsayı · Model 4 2–8 Yalnız B-spline'da; 4 kübiktir (70–78, 145).
Pürüzlülük cezası · ceza_turev seçim · Model otomatik otomatik, 1, 2, 3 \lambda>0 iken cezalanan türev (79–86, 147).
Ortalamayı çıkar · merkezle onay · Seçenekler açık açık/kapalı TBA öncesi ortalama işlevi çıkarılır mı (87–92, 170, 199).
Varimax · varimax onay · Seçenekler kapalı açık/kapalı Harmoniklere varimax döndürmesi (93–99, 185–188).
β pürüzlülük cezası · beta_lambda ondalık · Model 0 0–10^{12} Yalnız skaler yanıt varken (100–108, 217, 219).
Izgara nokta sayısı · izgara tamsayı · Çıktı 101 11–2001 Ortalama, harmonikler ve \beta(t) tabloları ile grafiklerin çözünürlüğü (109–117, 202).

Şablonun kendi denetimleri.

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde bir veri açın." 122
Kimlik, argüman, değer aynı sütunlar "Eğri kimliği, argüman ve değer farklı sütunlar olmalı." 123
Skaler yanıt eğri sütunlarından biri "Skaler yanıt, eğri sütunlarından farklı olmalı." 125
3'ten az eğri "En az 3 eğri gerekli." 133
Argümanda 4'ten az farklı değer "Argümanda en az 4 farklı değer gerekli." 135
\lambda=0 ve K en küçük eğri uzunluğundan büyük "Cezasız düzgünleştirmede temel sayısı (…) eğri başına en az gözlem sayısını (…) aşamaz…" 144
B-spline, K< mertebe "B-spline temel sayısı K (…), mertebeden (…) küçük olamaz." 146
B-spline, cezalanan türev \ge mertebe "Cezalandırılan türev (…), B-spline mertebesinden (…) küçük olmalı." 148
B-spline, otomatik ceza, mertebe \le2, \lambda>0 "2. türev cezası için B-spline mertebesi en az 3 olmalı." 149
Bir eğride yinelenen argüman "'…' eğrisinde yinelenen argüman değerleri var." 164
Bir eğri düzgünleştirilemedi "'…' eğrisi düzgünleştirilemedi: …" 165
Fonksiyonel TBA başarısız "Fonksiyonel TBA yapılamadı: …" 170
Varimax ve 2'den az harmonik "Varimax döndürmesi için en az 2 harmonik gerekli." 186
Skaler yanıt bir eğri içinde sabit değil "Skaler yanıt her eğri içinde sabit olmalı (eğri başına tek değer)." 211
Yanıtı olan eğri sayısı \hat b+3'ten az "Fonksiyonel regresyon için yanıtı olan en az … eğri gerekli." 214
Skaler yanıt sabit "Skaler yanıt sabit." 215
Fonksiyonel regresyon kurulamadı "Fonksiyonel regresyon kurulamadı: …" 224, 238
Cezalı \beta ile etkin serbestlik derecesi gözlem sayısını aşıyor "Fonksiyonel regresyon için etkin serbestlik derecesi gözlem sayısını aşıyor; β temel sayısını azaltın ya da λ_β'yı artırın." 246

Sayısal olmayan bir sütun (ör. ondalık virgüllü metin) argüman, değer ya da yanıt rolüne atanırsa çalıştırma şablona girmeden formun ortak denetiminde durur: "… sayısal bir sütun değil" (Bölüm 1.2; 159.8). Şablona ulaşan sütunlar mq_sayisal ile okunur; kimlik mq_kimlik ile tek biçimli metne çevrilir (126–128; Bölüm 1.5).

Örnek ayar (ornek_param, satır 9): kimlik = istasyon, arguman = gun, deger = sicaklik, temel = fourier, K = 65, lambda = 0, nharm = 4, yanit = yillik_log10_yagis, beta_K = 5. Varsayılan K=21'den farklıdır: Ramsay ve Silverman'ın (2005) çözümlemesi 65 Fourier işlevi kullanır.

Tohum. Şablonda rastgelelik yoktur; aynı veri ve aynı ayarla çıktı son basamağa kadar yinelenir. Kod panelindeki Tohum alanı (Bölüm 1.3) bu şablonda sonucu etkilemez.

159.3 Örnek veri

kanada_hava.csv, Kanada'nın 35 hava istasyonunun 1960–1994 ortalama günlük sıcaklığını (°C) ve yağışını (mm/gün) içerir (Ramsay ve Silverman, 2005; fda paketinin CanadianWeather verisi). Dosya 12 775 satırdır (35 istasyon \times 365 gün), eksik hücre yoktur. İstasyonlar dört bölgede toplanır: Atlantik 15, Kıta 12, Pasifik 5, Kuzey 3.

Değişken Rol Tür (veri sekmesinin algıladığı) Özet
istasyon eğri kimliği kategorik 35 düzey; sıra dosyadaki ilk görülme sırası (St. Johns, Halifax, Sydney, Yarmouth, …, Resolute)
bolge kullanılmaz kategorik Atlantic, Continental, Pacific, Arctic
gun argüman sayısal 1–365
sicaklik değer sayısal genel ortalama 1,88; St. Johns için −7,0 ile 17,1
yagis kullanılmaz sayısal günlük yağış
yillik_log10_yagis skaler yanıt sayısal istasyon içinde sabit; 10 tabanında yıllık toplam yağışın logaritması

İstasyonlar bir etken olarak kullanılmadığından düzey sırası sonucu değiştirmez; yalnız puan ve düzgünleştirme tablolarının satır sırasını belirler.

Bu bölümde şu çalıştırmalar kullanılmıştır: (1) örnek ayar; (2) aynı ayar, \lambda=1000; (3) B-spline, K=21, \lambda=0, beta_K = 6; (4) B-spline, K=21, \lambda=10, \lambda_\beta=10; (5) örnek ayar, varimax açık; (6) örnek ayar, merkezle kapalı; (7) örnek ayar, \lambda_\beta=10^{12}; (8) sıcaklık sütunun her yedinci hücresi boşaltılmış veri; (9) Halifax'ın yanıtı boşaltılmış veri; (10) K=401, \lambda=0; (11) sıcaklık sütunu ondalık virgüllü metin; (12) üç sütunun türü "kategorik" yapılmış örnek ayar.

159.4 Yöntem: formüller ve hesap adımları

Hesap şu sırayladır: veri uzun biçimden eğri eğri ayrılır; argüman ekseni 0'dan başlayacak biçimde kaydırılır; her eğri kendi argüman değerlerinde temel işlevlere (cezalı) en küçük kareyle uydurulur; katsayı matrisinden ortalama çıkarılıp temel bileşenler bulunur; varsa yanıt için işlev-skaler regresyon kurulur; tablolar ve grafik üretilir.

159.4.1 Argüman aralığı ve temeller

Argümanın farklı değerleri t_{(1)}<\dots<t_{(m)} ve ardışık farkların ortancası h olsun (136). Çözümleme aralığı

[a,b]=\begin{cases}\bigl[t_{(1)}-\tfrac h2,\;t_{(m)}+\tfrac h2\bigr] & \text{Fourier},\\[2pt] \bigl[t_{(1)},\;t_{(m)}\bigr] & \text{B-spline}\end{cases}

Bu ifadede h argüman ızgarasının tipik adımı, [a,b] temel işlevlerin tanımlı olduğu aralıktır. Argümanlar a'yı 0 yapacak biçimde kaydırılır (139); çıktılardaki argüman sütunu geri kaydırılmış değerleri gösterir.

Fourier için yarım adım

Fourier temeli dönemseldir; dönem P=b-a olmalıdır ve gün 1 ile gün 365 arasındaki aralık yıl uzunluğundan bir gün kısadır. Uçlara h/2 eklemek, 365 günlük bir ızgarada P=365 verir (örnek veride aralık [0{,}5;\,365{,}5]). Veri gerçekte dönemsel değilse (ör. dönem 365 değil) bu aralık yanlış olur; şablon dönemi formdan almaz.

Fourier temeli. K tek sayı olmak üzere, \omega=2\pi/P için

\varphi_1(t)=\frac1{\sqrt P},\qquad \varphi_{2k}(t)=\sqrt{\tfrac2P}\sin(k\omega t),\qquad \varphi_{2k+1}(t)=\sqrt{\tfrac2P}\cos(k\omega t),\quad k=1,\dots,\tfrac{K-1}2

Bu ifadede \varphi_1 sabit terim, k harmonik sırasıdır. Katsayıların çarpanı olan \sqrt{2/P} ve 1/\sqrt P işlevleri [0,P] üzerinde birim normlu ve birbirine dik yapar: \int\varphi_j\varphi_k=\delta_{jk}.

Bu ortonormallik, Gram matrisini G=\int\varphi\varphi'=I yapar; şablon da bunu kullanır (Wg <- diag(K), 198).

B-spline temeli. Mertebe q (q=4 kübik) ve K işlev için K-q+2 eşit aralıklı kesme noktası kullanılır; uçlardaki düğümler q kez yinelenir. \varphi_k parçalı polinomlardır, yerel desteklidir ve toplamları 1'dir. Gram matrisi G=\int\varphi\varphi' tam integralle bulunur (bsplinepen(temel, 0), 198).

159.4.2 Cezalı en küçük kareler ve serbestlik derecesi

i eğrisi için n_i gözlem (t_{ij},y_{ij}) ve tasarım matrisi \Phi_i=[\varphi_k(t_{ij})] ile

\hat c_i=(\Phi_i'\Phi_i+\lambda R)^{-1}\Phi_i'y_i,\qquad R_{jk}=\int_a^b (L\varphi_j)(t)\,(L\varphi_k)(t)\,dt

Bu ifadede \hat c_i eğrinin K katsayısı, \lambda\ge0 cezalandırma katsayısı, L cezalanan doğrusal diferansiyel işleç, R pürüzlülük matrisidir. \lambda=0 ise yöntem sıradan en küçük karedir.

Fourier'de harmonik ivme işleci

Fourier temelinde ve otomatik seçimde L=\omega^2D+D^3 (D türev) kullanılır (159). Bu işleç sabit ve \sin\omega t,\cos\omega t işlevlerini sıfırlar: yani ilk harmonik cezasızdır, daha yüksek frekanslar frekansları kadar cezalanır. Bu durumda R köşegendir; \omega_k=k\omega için sin–cos çiftinin ceza ağırlığı \omega_k^2(\omega^2-\omega_k^2)^2'dir. B-spline'da otomatik ikinci türevdir (eğrilik cezası, L=D^2); kullanıcı 1, 2 ya da 3. türevi de seçebilir.

Eğrinin etkin serbestlik derecesi ve genelleştirilmiş çapraz doğrulama ölçütü (GKD) şöyledir:

\mathrm{df}_i=\operatorname{iz}\!\bigl[\Phi_i(\Phi_i'\Phi_i+\lambda R)^{-1}\Phi_i'\bigr],\qquad \mathrm{GKD}_i=\frac{n_i\,\mathrm{SSE}_i}{(n_i-\mathrm{df}_i)^2}

Bu ifadede \mathrm{df}_i düzgünleştirici matrisin izi (cezasızda K), \mathrm{SSE}_i eğrinin artık kareler toplamı, n_i eğrideki gözlem sayısıdır (Craven ve Wahba, 1978). Küçük GKD daha iyi öngörü demektir; şablon \lambda'yı seçmez, yalnız GKD'yi raporlar.

Koddaki tercih

smooth.basis(s$t, s$y, fdPar(temel, Lfd, lam)) (165) her eğriyi kendi argüman değerleriyle ayrı ayrı uydurur; ağırlık verilmez. Eksik ve sonsuz değerli gözlemler önceden atılır ve atılan satır sayısı konsola yazılır (129–131). Eğrilerin farklı argüman kümeleri olabilir; K (cezasızsa) en kısa eğrinin uzunluğunu aşamaz (144). \lambda>0 iken bu sınır yoktur.

159.4.3 Fonksiyonel temel bileşenler

Katsayı matrisi C=[\hat c_1\cdots\hat c_N] (K\times N), \bar c satır ortalaması, C_c=C-\bar c\mathbf 1' olsun. merkezle açıksa C_c, kapalıysa C kullanılır. Fourier temelinde pca.fd, B-spline temelinde şablonun kendi öz ayrışımı (aynı tanım, tam Gram matrisiyle) şu simetrik öz problemini çözer:

M'M=G,\qquad \tilde C=M\Bigl(\tfrac1N C_cC_c'\Bigr)M',\qquad \tilde C v_k=\mu_k v_k,\qquad h_k=M^{-1}v_k

Bu ifadede M Gram matrisinin Cholesky çarpanı, \mu_k k. öz değer, h_k k. harmoniğin temel katsayılarıdır; harmonik işlev \xi_k(t)=\sum_j h_{kj}\varphi_j(t). Öz vektörün işareti keyfidir; B-spline'da işaret pca.fd'nin verdiği işaretle aynı seçilir (171–183). Bölen N-1 değil N'dir; açıklanan varyans oranı \mu_k/\sum_j\mu_j olduğundan oranlar bölenden etkilenmez, ama öz değerler N/(N-1) kat farklı olur.

Cholesky koordinatı

Temel işlevler dik olmadığında (B-spline) katsayı uzayındaki öklid uzaklığı eğriler arasındaki integral uzaklığı vermez. M ile dönüştürmek, v'v=\int\xi^2=1 ve harmoniklerin L^2 anlamında dik olmasını sağlar.

Bileşen puanları. i eğrisinin k. puanı \int(x_i-\bar x)\,\xi_k\,dt'dir. Şablon bunu tam Gram matrisiyle hesaplar (197–199):

s_{ik}=(\hat c_i-\bar c)'\,G\,h_k

Bu ifadede s_{ik} puan, G temelin Gram matrisidir (Fourier'de I, B-spline'da bsplinepen çıktısı). merkezle kapalıysa \bar c çıkarılmaz.

Koddaki tercih

Şablon puanları bu formülden alır; kod yorumu nedeni "pca.fd'nin sayısal integrali yüksek frekansta kayıplı" diye verir (197). B-spline temelinde öz değerler de aynı tam Gram matrisiyle kurulduğundan (171–183) puanlarla öz değerler aynı integral kuralına dayanır; pca.fd'nin B-spline için kullandığı sayısal integral (inprod, göreli hata 1{,}7\times10^{-4}) kullanılmaz (159.6.1).

Merkezlenmiş durumda puanların kareler ortalaması öz değere eşittir: \frac1N\sum_is_{ik}^2=\mu_k (örnek veride dördü de 10^{-9} içinde).

159.4.4 Varimax döndürmesi

varimax açıksa fda'nın varmx.pca.fd işlevi, ilk nharm harmoniği 501 noktalık ızgarada Kaiser (1958) ölçütüyle (satır normalleştirmesi olmadan) döndürür; puanlar aynı \nu\times\nu dönüşümle döndürülür ve oranlar \mu_k^{\text{dön}}=\frac1N\sum_is_{ik}^2'den bulunur:

\text{oran}_k^{\text{dön}}=\Bigl(\sum_{j=1}^{\nu}\text{oran}_j\Bigr)\frac{\mu_k^{\text{dön}}}{\sum_j\mu_j^{\text{dön}}}

Bu ifadede \nu harmonik sayısı, oran_j döndürülmemiş açıklanan varyans oranlarıdır. Döndürme toplam açıklanan varyansı korur, bileşenler arasında yeniden dağıtır.

oz_deger sütunu döndürmeden önceki öz değerleri verir (184); döndürülmüş bileşenlerin varyansı tablonun sonuna eklenen dondurulmus_varyans sütunundadır (194). Varimax kapalıyken bu sütun yoktur.

Varimaxta iki varyans sütunu

Varimax açıkken oz_deger döndürülmemiş öz değerleri (örnek veride 15179,08; 1455,38; 345,15; 91,59), dondurulmus_varyans ise döndürülmüş bileşenlerin varyansını (6421,39; 5634,36; 3143,13; 1816,67) gösterir; varyans_orani ve birikimli döndürülmüş çözümdendir (0,3754; 0,3294; 0,1837; 0,1062; birikimli 0,9947). varmx.pca.fd values alanını döndürülmüş varyanslarla değiştirdiği için şablon öz değerleri döndürmeden önce saklar (184).

159.4.5 Skaler yanıtla işlev regresyonu

Her eğri için tek bir y_i (yanıt) varsa model

y_i=\alpha+\int_a^b x_i(t)\,\beta(t)\,dt+e_i,\qquad \beta(t)=\sum_{k=1}^{\hat b}b_k\psi_k(t)

Bu ifadede \alpha sabit, \beta(t) katsayı işlevi, \psi_k \beta için temel işlevlerdir (\hat b tane; beta_K, Fourier'de tek sayıya yuvarlanmış). x_i 159.4.2'de düzgünleştirilmiş eğridir. e_i bağımsız, sabit varyanslı hatalardır.

Temel işlevler yerine konulursa model sıradan doğrusal modele iner: y=Zb^*+e ve Z=[\mathbf 1\;\;J], J_{ik}=\int x_i\psi_k=\hat c_i'\!\int\varphi\psi_k. \beta temeli x temelinin ilk \hat b işlevi olduğunda (Fourier, ilk \hat b işlev aynıdır) J_{ik}=\hat c_{ik} olur. Kestirim

\hat b^*=(Z'Z+\lambda_\beta R_\beta^{+})^{-1}Z'y

Bu ifadede R_\beta^+ sabit terim için sıfır satırlı, \beta'nın pürüzlülük matrisidir (R_\beta, 159.4.2'deki L ile \psi üzerinde); \lambda_\beta= beta_lambda ve 0 ise ceza yoktur. Fourier temelinde kod bu hesabı fRegress(rr[ok], xl, bl) ile yaptırır (224); sabit için sabit bir temel, \beta için seçilen temel kullanılır (223). B-spline temelinde J=\int\varphi\psi her düğüm aralığında 12 noktalı Gauss–Legendre ile tam hesaplanır (mq_ic, 150–157) ve \hat b^* doğrudan yukarıdaki formülle bulunur (235–242).

Şablonun raporladığı istatistikler (n yanıtı olan eğri sayısı, p_b regresyonun serbestlik derecesi: \lambda_\beta=0 iken \hat b'+1 ve \hat b' bb$nbasis; \lambda_\beta>0 iken aşağıdaki iz):

R^2=1-\frac{\mathrm{SSE}}{\mathrm{SST}},\qquad F=\frac{R^2/(p_b-1)}{(1-R^2)/(n-p_b)},\qquad \hat\sigma=\sqrt{\frac{\mathrm{SSE}}{n-p_b}}
R^2_{\text{düz}}=1-\frac{\mathrm{SSE}/(n-p_b)}{\mathrm{SST}/(n-1)},\qquad p=P\bigl(F_{p_b-1,\;n-p_b}\ge F\bigr)

Bu ifadede SSE artık kareler toplamı, SST toplam kareler toplamıdır; \hat\sigma artık standart sapmadır. F testi, \beta(t)\equiv0 hipotezini sınar.

Cezalı \beta ile etkin serbestlik derecesi

\lambda_\beta>0 iken p_b yerine şapka matrisinin izi kullanılır: p_b=\operatorname{iz}\bigl[Z(Z'Z+\lambda_\beta R_\beta^{+})^{-1}Z'\bigr] (228–231, 242, 245). F ve p bu sayıyla bulunur ve tabloya β etkin serbestlik derecesi (cezalı) satırı eklenir. \lambda_\beta=10^{12} ile (örnek ayar, Fourier) p_b=5{,}119; R^2=0{,}7748, F=24{,}96 (F'nin sd'si 4,119 ve 29,881) ve p=3{,}03\times10^{-9} yazılır. \lambda_\beta=0 iken satır yoktur ve sayılar nominal p_b=\hat b'+1 iledir. Etkin serbestlik derecesi gözlem sayısına eşit ya da büyükse çalıştırma durur (246).

Artık standart sapma

Tablodaki artık standart sapma satırı \hat\sigma=\sqrt{\mathrm{SSE}/(n-p_b)} değerini taşır (248–249; İngilizce "residual SD"). Örnek veride 0,1391 yazılır; SSE =\hat\sigma^2(n-p_b)=0{,}5610'dur.

159.4.6 Bağımsızlık ve eksik veri

Şablon eğrileri bağımsız sayar; eğriler arası uzamsal ya da zamansal ilişki modellenmez (örnek veride komşu istasyonların iklimi benzerdir, bu nedenle F testinin p değeri iyimser olabilir). Eksik ya da sonlu olmayan argüman/değer atılır ve konsola "Not: N satır eksik kimlik, argüman ya da değer nedeniyle atıldı." yazılır (129–131). Eksik kimlik de atılır. Yanıt sütunundaki eksik değer eğrinin değerini etkilemez; yanıtı eksik olan eğri düzgünleştirmeye ve TBA'ya girer, regresyondan düşer ve konsola "Not: N eğrinin skaler yanıtı eksik olduğu için regresyondan çıkarıldı." yazılır (210–212, 219).

159.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
119–135 R paketini yükler, veriyi d'ye (kimlik, argüman, değer, isteğe bağlı yanıt) aktarır; üç temel kontrol (3 eğri, 4 argüman değeri). Argüman ve değer mq_sayisal ile sayıya çevrilir, kimlik mq_kimlik ile metne; sayıya çevrilemeyen değer ileti verir (126–128). Eksik değerli satırlar atılır ve sayısı yazılır (129–131). Bölüm 1.3'teki sayısal rol aktarımı sayesinde veri sekmesinde "kategorik" görünen sayısal sütun da değer olarak gelir (159.8).
136–139 Aralığı hesaplar, 0'dan başlatır. Fourier'de yarım adım payı eklenir (159.4.1).
140–149 K'yı, \lambda'yı, mertebeyi, cezayı doğrular. Cezasız uydurmada K en kısa eğriyi aşamaz (144).
150–157 B-spline için tam çapraz Gram matrisi (mq_gl, mq_ic). Her düğüm aralığında 12 noktalı Gauss–Legendre; TBA ve işlev regresyonunda kullanılır.
158–160 Temeli ve cezalanan işleci kurar; Fourier+otomatik için vec2Lfd(c(0, ω², 0)). L=\omega^2D+D^3 (159).
161–168 Her eğriyi ayrı düzgünleştirir; C, \mathrm{df}, GKD'yi saklar. Argümanlar eğri içinde sıralanır; yinelenen argüman hata verir (163–164).
169–190 pca.fd; B-spline'da tam Gram matrisiyle öz ayrışım; gerekirse varmx.pca.fd. Harmonik sayısı \min(\text{nharm},N-1,K) (169). Döndürmeden önceki öz değerler saklanır (184).
191–206 Özet satırı ve ilk dört tablo: öz değerler (varimaxta ek sütun); puanlar; ortalama + harmonikler; eğri başına df ve GKD. Puanlar tam Gram matrisiyle (198–199). Izgara: seq(rng[1], rng[2], length.out = izgara) (202).
208–256 Yanıt varsa regresyon: eğri içi yanıtın tek değer olduğunu denetler; Fourier'de fRegress, B-spline'da tam integralle doğrudan çözüm; etkin serbestlik derecesi; iki tablo yazar. Yanıt eğri içinde 10^{-9} göreli toleransla sabit olmalı (210). \beta temeli B-spline'da en az mertebe kadar işlevdir (216).
258–277 2×2 ya da 1×2 panelli şekil: eğriler+ortalama, harmonikler, puan 1–puan 2 serpilmesi, varsa \beta(t). Harmonik renkleri seq_len(nh) %% 5 + 1 ile seçildiğinden ilk harmonik turuncudur; mor yalnız ortalama ve \beta içindir (263).

Çıktının mq_tablo ile gönderilen tabloları şunlardır: fonksiyonel temel bileşenler (öz değer, oran, birikimli); bileşen puanları; ortalama ve harmonikler; eğri başına df ve GKD; (varsa) fonksiyonel doğrusal model ve \beta(t).

159.6 Elle hesap: örnek veride bağımsız yeniden hesap

Doğrulama fda ve şablon kullanılmadan yapılmıştır: dogrulama/fonksiyonel_veri/elle_hesap.py (numpy, scipy: Fourier temeli açık formülle, B-spline scipy.interpolate.BSpline ile, Gram ve ceza matrisleri Gauss–Legendre ile tam) ve r_dogrulama.R (taban R ve splines::splineDesign).

Adım 1 — Fourier temeli ve eğri katsayıları. Aralık [0{,}5;365{,}5] ve P=365. St. Johns için ilk beş katsayı \hat c=(89{,}5997;\;-74{,}6767;\;-115{,}1789;\;5{,}5320;\;4{,}2342)'dir. İlk katsayı \sqrt P\,\bar y=\sqrt{365}\times4{,}6899=89{,}60 ile örtüşür (sabit terim eğrinin ortalamasıdır).

Adım 2 — Öz değerler. C_c'nin dört büyük öz değeri 15179{,}0847;\;1455{,}3836;\;345{,}1451;\;91{,}5910'dur; tüm öz değerlerin toplamı 17162,8928, ilk dördün oranı 0,8844; 0,0848; 0,0201; 0,0053 (birikimli 0,9947). Ramsay ve Silverman'ın (2005) yayımladığı %88,4/8,5/2,0/0,5 ile aynıdır. Puanların kareler ortalaması dört öz değerle 10^{-9} içinde örtüşür.

Adım 3 — Serbestlik derecesi ve GKD. \lambda=0 iken \mathrm{df}=K=65 ve St. Johns için \mathrm{GKD}=0{,}34912. \lambda=1000 ile Fourier'de \mathrm{df}=38{,}0945; GKD =0{,}38135 (köşegen ceza matrisi \omega_k^2(\omega^2-\omega_k^2)^2'den).

Adım 4 — Regresyon. \beta temelinin ilk 5 Fourier işlevi, x'in ilk 5 katsayısını doğrudan kullandırır: Z=[\mathbf 1\;\;\hat C_{1:5}']. Sıradan en küçük karelerle \hat\alpha=3{,}46484, R^2=0{,}79560, R^2_{\text{düz}}=0{,}76036, \hat\sigma=0{,}13908, F(5,\,29)=22{,}5755, p=3{,}435\times10^{-9} bulunur; yayımlanmış R^2=0{,}80, F=22{,}6 ile uyumludur (Ramsay ve ark., 2009).

Adım 5 — B-spline. K=21, mertebe 4, 19 kesme noktası. Bağımsız hesapla düzgünleştirme (df, GKD, ortalama işlev), öz değer, puan, harmonik ve regresyon sayıları 10^{-6} ölçütü içinde tutar (159.6.1).

159.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
Fourier K=65, λ=0: öz değer 1 15179,08471486 15179,08471515 15179,08471515 1,9e−11 ✓
Fourier K=65, λ=0: öz değer 4 91,59102771 91,59102774 91,59102774 3,6e−10 ✓
Fourier K=65, λ=0: varyans oranı 1 0,88441295 0,88441295 0,88441295 1,3e−11 ✓
Fourier K=65, λ=0: varyans oranı 2 0,08479827 0,08479827 0,08479827 2,2e−11 ✓
Fourier K=65, λ=0: puan 1 (St. Johns) 77,07657233 77,07657233 77,07657233 7,4e−12 ✓
Fourier K=65, λ=0: puan 2 (St. Johns) 57,64295152 57,64295152 57,64295152 9,3e−11 ✓
Fourier K=65, λ=0: ortalama fonksiyon (ızgara 51) 15,56948304 15,56948304 15,56948304 5,7e−16 ✓
Fourier K=65, λ=0: harmonik 1 (ızgara 51) 0,0185337 0,0185337 0,0185337 2,5e−10 ✓
Fourier K=65, λ=0: serbestlik derecesi 65 65 65 0 ✓
Fourier K=65, λ=0: GKD 0,34911675 0,34911675 0,34911675 2,8e−16 ✓
Fourier K=65, λ=0: \alpha 3,46484445 3,46484454 3,46484454 2,6e−8 ✓
Fourier K=65, λ=0: R^2 0,79559863 0,79559863 0,79559863 3,4e−15 ✓
Fourier K=65, λ=0: hata SD 0,13907653 0,13907653 0,13907653 1,1e−15 ✓
Fourier K=65, λ=0: F 22,57554327 22,57554327 22,57554327 2,0e−14 ✓
Fourier K=65, λ=0: p 3,435194·10−9 3,435194·10−9 3,435194·10−9 7,6e−22 ✓
Fourier K=65, λ=0: \beta (ızgara 51) −7,072486·10−5 −7,072494·10−5 −7,072494·10−5 7,4e−11 ✓
Fourier K=65, λ=1000: öz değer 1 15172,88048696 15172,88048696 15172,88048696 4,0e−14 ✓
Fourier K=65, λ=1000: öz değer 4 89,27149641 89,27149641 89,27149641 7,1e−13 ✓
Fourier K=65, λ=1000: varyans oranı 1 0,88664604 0,88664604 0,88664604 3,2e−14 ✓
Fourier K=65, λ=1000: varyans oranı 2 0,08483536 0,08483536 0,08483536 5,0e−14 ✓
Fourier K=65, λ=1000: puan 1 (St. Johns) 77,04780721 77,04780721 77,04780721 2,1e−14 ✓
Fourier K=65, λ=1000: puan 2 (St. Johns) 57,5123754 57,5123754 57,5123754 3,4e−13 ✓
Fourier K=65, λ=1000: ortalama fonksiyon (ızgara 51) 15,57288116 15,57288116 15,57288116 5,5e−11 ✓
Fourier K=65, λ=1000: harmonik 1 (ızgara 51) 0,01858788 0,01858788 0,01858788 1,7e−11 ✓
Fourier K=65, λ=1000: serbestlik derecesi 38,09449695 38,09449695 38,09449695 2,6e−15 ✓
Fourier K=65, λ=1000: GKD 0,38135151 0,38135151 0,38135151 5,8e−12 ✓
Fourier K=65, λ=1000: \alpha 3,46484453 3,46484454 3,46484454 1,4e−9 ✓
Fourier K=65, λ=1000: R^2 0,79559863 0,79559863 0,79559863 6,7e−16 ✓
Fourier K=65, λ=1000: hata SD 0,13907653 0,13907653 0,13907653 1,7e−16 ✓
Fourier K=65, λ=1000: F 22,57554327 22,57554327 22,57554327 4,1e−15 ✓
Fourier K=65, λ=1000: p 3,435194·10−9 3,435194·10−9 3,435194·10−9 2,1e−22 ✓
Fourier K=65, λ=1000: \beta (ızgara 51) −7,072474·10−5 −7,072474·10−5 −7,072474·10−5 3,6e−12 ✓
B-spline K=21, λ=0: öz değer 1 15098,72272013 15098,72272013 15098,72272013 7,2e−16 ✓
B-spline K=21, λ=0: öz değer 4 87,08384298 87,08384298 87,08384298 5,7e−15 ✓
B-spline K=21, λ=0: varyans oranı 1 0,88760409 0,88760409 0,88760409 7,8e−16 ✓
B-spline K=21, λ=0: varyans oranı 2 0,08494687 0,08494687 0,08494687 4,9e−16 ✓
B-spline K=21, λ=0: puan 1 (St. Johns) 76,55538172 76,55538172 76,55538172 1,3e−15 ✓
B-spline K=21, λ=0: puan 2 (St. Johns) −57,32862237 −57,32862237 −57,32862237 2,5e−16 ✓
B-spline K=21, λ=0: ortalama fonksiyon (ızgara 51) 15,64663133 15,64663133 15,64663133 2,5e−15 ✓
B-spline K=21, λ=0: harmonik 1 (ızgara 51) 0,01902181 0,01902181 0,01902181 6,6e−17 ✓
B-spline K=21, λ=0: serbestlik derecesi 21 21 21 1,7e−16 ✓
B-spline K=21, λ=0: GKD 0,4186743 0,4186743 0,4186743 1,0e−15 ✓
B-spline K=21, λ=0: \alpha 3,48286438 3,48286438 3,48286438 3,1e−12 ✓
B-spline K=21, λ=0: R^2 0,80692529 0,80692529 0,80692529 1,0e−15 ✓
B-spline K=21, λ=0: hata SD 0,13756077 0,13756077 0,13756077 1,0e−15 ✓
B-spline K=21, λ=0: F 19,50359702 19,50359702 19,50359702 5,3e−15 ✓
B-spline K=21, λ=0: p 8,069433·10−9 8,069433·10−9 8,069433·10−9 5,6e−22 ✓
B-spline K=21, λ=0: \beta (ızgara 51) −1,292021·10−4 −1,292021·10−4 −1,292021·10−4 3,5e−15 ✓
B-spline K=21, λ=10, λ_β=10: öz değer 1 15098,68658133 15098,68658133 15098,68658133 3,7e−15 ✓
B-spline K=21, λ=10, λ_β=10: öz değer 4 87,07120871 87,07120871 87,07120871 1,3e−15 ✓
B-spline K=21, λ=10, λ_β=10: varyans oranı 1 0,88763171 0,88763171 0,88763171 1,0e−15 ✓
B-spline K=21, λ=10, λ_β=10: varyans oranı 2 0,0849411 0,0849411 0,0849411 3,7e−16 ✓
B-spline K=21, λ=10, λ_β=10: puan 1 (St. Johns) 76,55374795 76,55374795 76,55374795 1,9e−16 ✓
B-spline K=21, λ=10, λ_β=10: puan 2 (St. Johns) −57,32620054 −57,32620054 −57,32620054 1,2e−15 ✓
B-spline K=21, λ=10, λ_β=10: ortalama fonksiyon (ızgara 51) 15,64659979 15,64659979 15,64659979 1,5e−15 ✓
B-spline K=21, λ=10, λ_β=10: harmonik 1 (ızgara 51) 0,01902302 0,01902302 0,01902302 1,1e−16 ✓
B-spline K=21, λ=10, λ_β=10: serbestlik derecesi 20,90065024 20,90065024 20,90065024 2,2e−15 ✓
B-spline K=21, λ=10, λ_β=10: GKD 0,41844586 0,41844586 0,41844586 3,3e−16 ✓
B-spline K=21, λ=10, λ_β=10: \alpha 3,4829779 3,4829779 3,4829779 2,9e−12 ✓
B-spline K=21, λ=10, λ_β=10: R^2 0,806927 0,806927 0,806927 1,0e−15 ✓
B-spline K=21, λ=10, λ_β=10: hata SD 0,13756016 0,13756016 0,13756016 7,2e−10 ✓
B-spline K=21, λ=10, λ_β=10: F 19,50381215 19,503811 19,503811 5,9e−8 ✓
B-spline K=21, λ=10, λ_β=10: p 8,068460·10−9 8,068464·10−9 8,068464·10−9 3,8e−15 ✓
B-spline K=21, λ=10, λ_β=10: \beta (ızgara 51) −1,291569·10−4 −1,291569·10−4 −1,291569·10−4 2,2e−15 ✓

Ölçütü karşılayan: 64/64. Python: Fourier temeli açık formülle, B-spline temeli scipy.interpolate.BSpline ile; eğri başına (\Phi'\Phi+\lambda R)c=\Phi'y, TBA Cholesky koordinatında öz ayrışım, regresyon en küçük kareler. R: aynı hesap taban R ve splines::splineDesign ile (fda çağrılmamıştır). Gram ve ceza matrisleri parçalı polinomlar için Gauss–Legendre ile tam integralden alınmıştır. B-spline satırlarındaki ✗'nin nedeni fda'nın inprod işlevinin sayısal integralidir (Bölüm 159.8).

Fourier satırlarının tümü (32/32) ve B-spline satırlarının tümü (32/32) 10^{-6} ölçütünü karşılar. B-spline'da TBA ve işlev regresyonu, Gram ve çapraz Gram matrislerini her düğüm aralığında tam (Gauss–Legendre) integralle kurar; fda'nın inprod işlevi bu matrisleri 1{,}7\times10^{-4} göreli hatayla verdiğinden kullanılmaz. Python ve R bağımsız hesapları birbirleriyle 10^{-12} içinde örtüşür.

159.7 Çıktıyı okuma

Örnek ayarın konsol çıktısı (gerçek):

35 eğri; argüman aralığı [0,5; 365,5]; Fourier temeli, K = 65, λ = 0; ortalama serbestlik derecesi = 65,00

Fonksiyonel temel bileşenler tablosu:

 harmonik   oz_deger  varyans_orani  birikimli
        1  15179.085         0.88441    0.88441
        2   1455.384         0.08480    0.96921
        3    345.145         0.02011    0.98932
        4     91.591         0.00534    0.99466

Fonksiyonel doğrusal model tablosu (ayar: yanit = yillik_log10_yagis, beta_K = 5):

 olcut                  deger
 alfa                   3.46484
 R2                     0.79560
 düzeltilmiş R2         0.76036
 artık standart sapma   0.13908
 F                     22.57554
 p                      3.4e-09
 n                     35
 β temel sayısı         5
Öğe Ne yazar Nasıl yorumlanır
oz_deger, varyans_orani Her harmoniğin eğriler arası varyansı ve payı İlk harmonik tek başına eğrilerin %88,4'ünü açıklar: bu, bütün yıl boyunca hep birlikte sıcak ya da soğuk olma yönüdür.
birikimli Varyans oranlarının toplamı Dört bileşen %99,5'i açıklar; K=65'in çoğu gürültüye gider.
puan_k Eğrinin k. harmonik üzerindeki konumu Puan 1'de Resolute (−345) ve Inuvik (−234) soğuk uçta, Vancouver (+184) ve Victoria (+182) ılıman uçtadır. Puan 2'de Resolute (+98), Prince Rupert (+75) ve Iqaluit (+64) pozitif, iç kesimde Dawson (−55), Winnipeg (−54) ve Uranium City (−44) negatiftir.
ortalama, harmonik_k Izgaradaki işlev değerleri Harmonikler dik ve birim normludur; işaret keyfidir (toplam katsayı pozitif seçilir).
serbestlik_derecesi, GKD Eğri başına düzgünleştirme özeti Cezasızda df =K; GKD eğrilerin gürültüsüyle birlikte artar.
R2, F, p İşlev regresyonu 35 eğriyle 5 temel işlev (\hat b=5): R^2=0{,}796; F(5{,}29)=22{,}58, p<10^{-8}.
beta \hat\beta(t) İşaret değiştiren bir dalga: yaklaşık 55. ve 230. günlerde negatif, 140. ve 325. günlerde pozitiftir (tepe değerleri \pm0{,}001 düzeyinde). Anlamı, o günlerin sıcaklığının yıllık log yağışa ters ya da doğru ağırlıkla girdiğidir; \beta yalnız ilk beş Fourier işlevinden kurulduğundan en çok iki tam dalga yapabilir.

Şekil 159.1. Örnek ayarın şekli: düzgünleştirilmiş eğriler ve ortalama; harmonikler; bileşen puanları; \beta(t).

Kanada'nın 35 hava istasyonunun günlük sıcaklık eğrileri 65 Fourier işleviyle düzgünleştirildi; fonksiyonel temel bileşenler analizinde ilk dört bileşen toplam varyansın %99,5'ini (%88,4; %8,5; %2,0; %0,5) açıkladı. Yıllık log yağışın sıcaklık eğrisine regresyonunda (\beta için 5 Fourier işlevi) R^2=0{,}80 ve F(5;\,29)=22{,}6 (p<0{,}001) bulundu.

159.8 Sık hatalar ve tuzaklar

  • Temel sayısı eğri uzunluğuna yakınsa düzgünleştirme yok demektir. K=65 ve eğri başına 365 gözlemde df =65; harmonikler (Şekil 159.1) çok dalgalıdır. Gürültüyü azaltmak için K'yı küçültmek ya da \lambda>0 vermek gerekir; \lambda=1000 ile df 38,09'a düşer ve ilk harmonik oranı 0,8844'ten 0,8866'ya çıkar.
  • Fourier temeli dönem varsayar. Argüman aralığı bir döneme eşittir (159.4.1); mevsimlik olmayan, uçları birbirine bağlanmayan eğrilerde B-spline seçilmelidir. Fourier'de K çift verilirse tek yapılır.
  • Eksik değerli satırlar atılır; sayıları yazılır. Her yedinci sıcaklık hücresi boş verilen çalıştırmada (1825 hücre, istasyon başına en az 312 nokta) çıktının başında "Not: 1825 satır eksik kimlik, argüman ya da değer nedeniyle atıldı." görünür; öz değerler 15178,69; 1456,82; 345,57; 91,6'ya kayar.
  • Yanıtı eksik eğri regresyondan düşer. Halifax'ın yanıtı boşken regresyonun n değeri 34 olur (TBA yine 35 eğri kullanır); konsolda "Not: 1 eğrinin skaler yanıtı eksik olduğu için regresyondan çıkarıldı." yazılır.
  • Varimax açıkken iki varyans sütunu vardır (159.4.4): oz_deger döndürülmemiş öz değerdir, döndürülmüş bileşen varyansı dondurulmus_varyans sütunundadır; varyans_orani döndürülmüş çözümdendir.
  • Varimax yakınsaması denetlenmez. varmx ölçüt değişimi 10^{-7}'nin altına inmediyse 51. yinelemeden sonra durur ve yakınsama durumunu bildirmez.
  • \lambda_\beta>0 iken F ve p etkin serbestlik derecesiyle bulunur (159.4.5); sd tam sayı olmaz ve nominal temel boyutundan küçüktür.
  • \beta temeli küçükse \hat\beta(t) yapay olarak düzgün görünür. \hat b=5 iken \hat\beta en çok iki dalgadır; yanıtla gerçek ilişki daha karmaşıksa bu temel onu yakalayamaz.
  • Eğriler bağımsız sayılır. Komşu istasyonlar bağımsız değildir (159.4.6); F testini fazla ciddiye almamak gerekir.
  • Ondalık virgüllü sütun şablona girmez. Sıcaklık sütunu "−3,6" biçiminde metin okunduğunda form "sicaklik sayısal bir sütun değil" ile durur; veri sekmesinde ondalık ayırıcı ayarlanarak sütun sayısala çevrilmelidir.
  • Sütun türü "kategorik" olsa da sayısal rolde sayı olarak okunur. Argüman, değer ve yanıt sütunları veri sekmesinde "kategorik" yapıldığında çıktı değişmez (örnek ayarla fark 0): ortak katmanın sayısal rol aktarımı düzey sıra numarası vermez (Bölüm 1.3).
  • Sütun adları birleşik kullanılamaz. Kimlik, argüman ve değer üç ayrı sütundur (123).

159.9 Uzman soruları

S1. Neden öz değerler N'ye bölünüyor da N-1'e değil?

pca.fd W=CC'/N kullanır (fda, pca.fd); açıklanan varyans oranı bölenden bağımsızdır, ama öz değerler başka programların N-1'li örnek kovaryansından (N-1)/N kat küçüktür (örnek veride 34/35). Karşılaştırma yapılırken bölen eşitlenmelidir.

S2. \lambda nasıl seçilir? Şablon neden seçmiyor?

Şablon yalnız bir \lambda kullanır ve eğri başına GKD'yi raporlar. GKD'yi \lambda ızgarası üzerinde karşılaştırmak kullanıcıya bırakılmıştır; şablon \lambda'yı eğriler arası ortak tutar, her eğri için ayrı seçmez. Eğriler çok farklı gürültü düzeyindeyse ortak \lambda tutarsız bir düzgünlük bırakır.

S3. Harmoniklerin işareti neden keyfi?

Öz vektörün işareti özdeğer problemini değiştirmez. Şablon Fourier'de pca.fd'nin işaretini kullanır, B-spline'da öz vektörü aynı işarete çevirir. B-spline'da Fourier'e göre bazı harmoniklerin işareti tersine dönebilir (örnek veride harmonik 2 ve 3: St. Johns puanı Fourier'de +57{,}64 ve -12{,}01, B-spline'da -57{,}33 ve +12{,}39). İşaretli yorum yapılacaksa bu kural belirtilmelidir.

S4. Merkezlemeyi kapatmak neyi değiştirir?

merkezle kapalıyken ortalama işlev de bir "bileşen" gibi ilk harmoniğe girer: örnek veride ilk öz değer 46143,18'e çıkar ve ilk oran 0,7546 olur (merkezli 0,8844). Yorumlama değişir: bileşenler artık ortalamadan sapmayı değil ham eğriyi özetler.

S5. Fourier ve B-spline sonuçları neden farklı?

Aralık farklıdır ([0{,}5;365{,}5] ve [1;365]), dolayısıyla ortalama işlev ve harmonik ızgara noktaları kayar; temel boyutu farklıysa (65 ve 21) düzgünleştirme farklıdır. Örnek veride öz değerler 15179,08 (Fourier K=65) ve 15098,72 (B-spline K=21); oranlar 0,8844 ve 0,8876'dır.

S6. Neden F testinde sd 5 ve 29 iken \beta için 5 işlev ve bir sabit kullanılıyor?

p_b-1=\hat b eğim parametresidir (sabit hariç); artık sd n-p_b=35-6=29. Sabit için \alpha, \beta(t) için 5 katsayı kestirilir: 6 parametre. Fonksiyonel regresyonda temel boyutu, serbestlik derecesinin üst sınırıdır; cezalıysa gerçek değer daha düşüktür ve şablon F ve p'yi etkin serbestlik derecesiyle verir (159.4.5).

S7. Düzgünleştirilmiş eğri yerine ham veriyle regresyon kurulsa sonuç değişir mi?

Fourier temelinde ceza yüksek frekanslı harmonikleri daraltır; \beta'nın kullandığı ilk beş (düşük frekanslı) katsayı hemen hiç değişmez: \lambda=1000 ile R^2 0,7955986271'de kalır (cezasızla 10 basamak aynı) ve \hat\alpha yalnız 10^{-7} kadar oynar. Ham veriyle regresyon bu şablonda yoktur; eğriler her zaman önce düzgünleştirilir.

S8. Yanıt eğri içinde sabit olmalı; neden?

Şablon yanıtı eğri başına tek değer olarak alır (211); veri uzun biçimde olduğundan yanıt her satıra tekrarlanır. Bir eğride yanıt değişiyorsa ya yanlış sütun seçilmiştir ya da zamanla değişen bir yanıt vardır; ikincisi bu modelin kapsamı dışındadır.

159.10 Kaynaklar

Craven, P., & Wahba, G. (1978). Smoothing noisy data with spline functions. Numerische Mathematik, 31(4), 377–403. https://doi.org/10.1007/BF01404567

Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3), 187–200. https://doi.org/10.1007/BF02289233

Ramsay, J. (2025). fda: Functional data analysis (R paketi sürüm 6.3.0). https://doi.org/10.32614/CRAN.package.fda

Ramsay, J. O., Hooker, G., & Graves, S. (2009). Functional data analysis with R and MATLAB. Springer. https://doi.org/10.1007/978-0-387-98185-7

Ramsay, J. O., & Silverman, B. W. (2005). Functional data analysis (2. bs.). Springer. https://doi.org/10.1007/b98888

R Core Team. (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/