Análisis de componentes principales funcionales en series de tiempo económicas

• Cristina O. Chávez Chong ^[3] ; Jesús E. Sánchez García ^[1] ; José DelaCerda Gastélum ^[2]
  1. [1] Instituto de Cibernética Matemática y Física

     Instituto de Cibernética Matemática y Física

     Cuba

     
  2. [2] Instituto Tecnológico y de Estudios Superiores de Occidente

     Instituto Tecnológico y de Estudios Superiores de Occidente

     México

     
  3. [3] ISPAJE

  Mostrar afiliaciones +
• Localización: GECONTEC: revista Internacional de Gestión del Conocimiento y la Tecnología, ISSN-e 2255-5684, Vol. 3, Nº. 2, 2015, págs. 13-25
• Idioma: español
• Títulos paralelos:
  • Analysis of principal functional components in economic time series
• Enlaces
  • Texto completo
• Resumen
  • español

    El análisis de datos funcionales ha cobrado gran relevancia en los últimos años, convirtiéndose en un importante campo de investigación en la Estadística. El primer método considerado para procesar este tipo de datos fue el de las componentes principales. En este trabajo se considera la extensión del método de las componentes principales clásicas (ACP) al caso funcional (ACPF), algunas propiedades interesantes que aparecen y otras que se conservan al realizar dicha extensión, así como su aplicación el procesamiento de datos reales económicos y una breve explicación de algunas bibliotecas que realizan el análisis de componentes principales funcionales.

  • English

    The functional data analysis has gained relevance over the last years becoming an important statistics investigation field. The first method used to process this data type was the principal components analysis (PCA). In this paper, an extension of the classical principal components analysis (PCA) to the functional method (FPCA) is considered, as well as some interesting properties that appear and others that remain with it. Furthermore, its application in the processing of real economic data and some previous work that analyze functional principal components are explained.

• Referencias bibliográficas
  • Abdi, H. & Williams, L.J. (2010): Principal Components Analysis, WIREs Computational Statistics, 2, Julio agosto, pp. 433-458
  • Berrendero, J.R., Justel, A. & Svarc, M. (2011): Principal components for multivariate functional data, Computational Statistics and Data...
  • Cardot, H. (2005): Nonparametric regression for functional responses with application to conditional functional principal component analysis,...
  • CNN Expansión 500 – Las empresas m´s importantes de México. URL: http://www.cnnexpansion.com/rankings/1978-2012/las-500-empresas-másimportantes-de-méxico....
  • Cobelli, C., Donà, G., Harrison, A.J., Preatoni & Rodano, R. (2009): Application of functional principal component analysis in race walking:...
  • Craniceanu, C. (2012): refund: Regression with Functional Data, R package version 0.1-6, URL: http://CRAN.R-project.or/package=refund
  • Daniele, M. (2006): Functional principal components analysis to study environmental data, Spontanee, pp. 677-680
  • Diamantaras, K.I. & Kettenring, J.R. (1996): Principal Component Neural Networks Theory and applications (Chapter 3), Wiley, Nueva York
  • Dony, R.D. (1995): Adaptive transform coding of images using a mixture of principal components, Tesis presentada en opciòn al PhD.
  • Ferraty, F. & Vieu, P. (2006): Nonparametric functional data analysis, theory and practice, Springer, Berlín
  • Flury, B.D. (1988): Common Principal Components and Related Models (Section 2.2.), Wiley, Nueva York
  • Ingrassia, S. & Constanzo, G.D. (2005): Functional Principal Component Analysis of Financial Time Series, en Vichi, M., Monari, P. &...
  • Jolliffe, I.T. (2002): Principal Component Analysis (2nd Edition), Springer, Berlín Mas, A. (2008): Local functional principal component analysis,...
  • NSF grants (2012): PACE: Principal. Analysis by Conditional Estimation, Matlab package version 2.11
  • Pearson, K. (1901): On lines and planes of closest fit to systems of points in space, Phil. Mag., 2(6), pp. 559-572
  • Peng, J. & Paul, D. (2011): fpca: Restricted MLE for Functional Principal Component Analysis, R package version 0.2-1, URL: http://CRAN.R-project.org/package=fpca
  • Ramsay, J.O. (2012): fda: Functional Data Analysis, R package version 2.3.2., URL: http://CRAN.R-project.org/package=fda
  • Ramsay, J.O. & Silverman, B.W. (2002): Applied Functional Data Analysis: Methods and Case Studies, Springer, Nueva York
  • Ramsay, J.O. & Silverman, B.W. (2005): Functional Data Analysis (2nd edition), Springer, Nueva York