C. J. Acal González, A. M. Aguilera del Pino, M. Escabias Machuca
Los datos funcionales son datos de alta dimensión en los que las observaciones son funciones que dependen de un argumento continuo. Por ello es habitual aplicar el Análisis de Componentes Principales Funcional (FPCA) para reducir la dimensión del problema e interpretar las principales fuentes de variabilidad. Existen situaciones en las que un alto porcentaje de la variabilidad total es explicado por una componente o las funciones peso son pocos suaves, lo que complica la interpretación y extracción de conclusiones. La solución más usual en PCA multivariante es recurrir a algún tipo de rotación. En este trabajo, se proponen dos formas de rotación Varimax funcional basadas en la equivalencia del FCPA a través de la expansión básica de las curvas con el PCA Multivariante de una transformación de la matriz de coeficientes básicos. Estas rotaciones son aplicadas a una muestra de curvas de casos de COVID-19 en las Comunidades Autónomas Españolas durante la primera ola.
Keywords: Datos funcionales, Componentes principales funcionales, Rotación varimax, COVID-19
Scheduled
GT06 Functional Data Analysis II. Tools and apps
June 8, 2022 4:00 PM
Grade Hall
