Estou tentando testar várias abordagens funcionais de análise de dados. Idealmente, eu gostaria de testar o painel de abordagens que tenho em dados funcionais simulados. Eu tentei gerar FD simulado usando uma abordagem baseada em um somar ruídos gaussianos (código abaixo), mas as curvas resultantes parecem muito resistentes em comparação com a coisa real .
Fiquei me perguntando se alguém tinha um ponteiro para funções / idéias para gerar dados funcionais simulados com aparência mais realista. Em particular, estes devem ser suaves. Sou completamente novo neste campo, portanto qualquer conselho é bem-vindo.
library("MASS")
library("caTools")
VCM<-function(cont,theta=0.99){
Sigma<-matrix(rep(0,length(cont)^2),nrow=length(cont))
for(i in 1:nrow(Sigma)){
for (j in 1:ncol(Sigma)) Sigma[i,j]<-theta^(abs(cont[i]-cont[j]))
}
return(Sigma)
}
t1<-1:120
CVC<-runmean(cumsum(rnorm(length(t1))),k=10)
VMC<-VCM(cont=t1,theta=0.99)
sig<-runif(ncol(VMC))
VMC<-diag(sig)%*%VMC%*%diag(sig)
DTA<-mvrnorm(100,rep(0,ncol(VMC)),VMC)
DTA<-sweep(DTA,2,CVC)
DTA<-apply(DTA,2,runmean,k=5)
matplot(t(DTA),type="l",col=1,lty=1)
x=seq(0,2*pi,length=1000); plot(sin(x)+rnorm(1000)/10,type="l");