Wavelets in Functional Data Analysis

روش‌های مبتنی بر موجک در بسیاری از زمینه‌های آمار، ریاضیات کاربردی، مهندسی و علوم کلیدی هستند. این کتاب موجک‌ها را در تجزیه و تحلیل داده‌های عملکردی ارائه می‌کند و اجمالی از مشکلاتی را ارائه می‌دهد که می‌توانند در آن‌ها اعمال شوند، از جمله تجزیه و تحلیل تومور، رزونانس مغناطیسی عملکردی و داده‌های هواشناسی. با شروع با موجک هار، نویسندگان خانواده های بی شماری از موجک ها و نحوه استفاده از آنها را بررسی می کنند. تجسم داده‌های با ابعاد بالا (با استفاده از نمودارهای اندروز)، انقباض موجک (روشی ساده و در عین حال قدرتمند برای مدل‌های ناپارامتریک) و انتخاب تکنیک‌های تخمین و آزمایش (شامل بحث در مورد پارادوکس استین) این منبع را به منبع بسیار ارزشمندی برای فارغ‌التحصیلان تبدیل کرده است. دانشجویان و محققان با تجربه به طور یکسان.

Wavelet-based procedures are key in many areas of statistics, applied mathematics, engineering, and science. This book presents wavelets in functional data analysis, offering a glimpse of problems in which they can be applied, including tumor analysis, functional magnetic resonance and meteorological data. Starting with the Haar wavelet, the authors explore myriad families of wavelets and how they can be used. High-dimensional data visualization (using Andrews' plots), wavelet shrinkage (a simple, yet powerful, procedure for nonparametric models) and a selection of estimation and testing techniques (including a discussion on Stein’s Paradox) make this a highly valuable resource for graduate students and experienced researchers alike.