📊 statistics

Robust measures of dispersion for circular data with an anomaly detection rule

توسع هذه الورقة نطاق ثلاثة مقاييس تشتت قوية من البيانات الخطية إلى الدائرية لاستخلاص مقدرات كفؤة لتوزيعات "فون ميسيز" و"الموزعة المغلفة"، وتقترح في النهاية قاعدة مبتكرة للكشف عن الشذوذ يتم تصورها عبر مخططات كمان دائرية ويتم التحقق من صحتها من خلال المحاكاة ومجموعات البيانات الواقعية.

المؤلفون الأصليون: Houyem Demni, Mia Hubert, Giovanni C. Porzio, Peter J. Rousseeuw

نُشر 2026-03-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC0 1.0

المؤلفون الأصليون: Houyem Demni, Mia Hubert, Giovanni C. Porzio, Peter J. Rousseeuw

البحث الأصلي مُهدى إلى الملك العام بموجب CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تقف في منتصف وجه ساعة ضخمة. بدلاً من الأرقام، تحتوي الساعة على اتجاهات: شمال، جنوب، شرق، غرب. الآن، تخيل أنك سألت 20 شخصاً أن يشيروا بأصابعهم إلى الاتجاه الذي يعتقدون أنه "الشمال". معظمهم سيشير تقريباً نحو الشمال، لكن القليل منهم قد يصاب بالارتباك ويشير نحو الجنوب، وهناك شخص واحد يدور حول نفسه ويشير في كل مكان.

في الإحصاء، يسمى هذا البيانات الدائرية (Circular Data). وهي بيانات تعيش على دائرة (مثل الوقت من اليوم، أو اتجاه الرياح، أو مسارات هجرة الحيوانات) بدلاً من الخط المستقيم.

المشكلة؟ الأدوات الرياضية القياسية سيئة جداً في التعامل مع هذه الدوائر عندما يشير بعض الأشخاص في الاتجاه الخاطئ. إذا قمت بحساب "المتوسط" للاتجاه باستخدام الرياضيات العادية، فإن أولئك المرتبكين قد يسحبون المتوسط إلى الجانب المعاكس تماماً من الساعة، مما يجعل المجموعة بأكملها تبدو وكأنها تشير إلى الجنوب بينما هي في الواقع تشير إلى الشمال.

تقدم هذه الورقة البحثية مجموعة جديدة من الأدوات فائقة المتانة (Super-robust tools) لقياس مدى تشتت هذه الاتجاهات، حتى عندما توجد "تفاحات فاسدة" (قيم متطرفة) في المزيج. إليك التفاصيل بكلمات بسيطة:

1. المشكلة: تأثير "التفاحة الفاسدة الواحدة"

يبدأ المؤلفون بقصة عن نجوم البحر. معظمها سبح نحو الشاطب، لكن اثنين منها سبحا في الاتجاه المعاكس.

الطريقة القديمة (الانحراف المعياري الدائري): إذا استخدمت الرياضيات القديمة، فإن هذين النجمين سيجعلان المجموعة بأكملها تبدو مشتتة للغاية. الأمر يشبه لو أن شخصاً واحداً من بين 100 شخص واقفين في مكانهم بدأ فجأة بالركض؛ سيبدو "متوسط حركة" الحشد كبيراً جداً، رغم أن 99 شخصاً كانوا لا يزالون ثابتين.
الهدف: نحن بحاجة إلى طريقة لقياس تشتت الحشد تتجاهل الشخص الذي يركض حول.

2. الحل: ثلاثة مساطر جديدة "متينة"

ابتكر المؤلفون ثلاث طرق جديدة لقياس التشتت على دائرة. فكر في الأمر كأنها ثلاثة أنواع مختلفة من المساطر التي ترفض أن تُخدع بالقيم المتطرفة.

CMAD (مسطرة "المنتصف"): تنظر إلى المسافة لكل نقطة من الوسيط (النقطة الوسطى) وتختار المسافة الوسطى. إنها تشبه السؤال: "كم تبعد المسافة بين الشخص الذي في المنتصف وبين المركز؟" وهي تتجاهل الركاضين المتطرفين.
CLMS (مسطرة "النصف الأكثر إحكاماً"): هي نجمة العرض. تسأل: "ما هو أصغر جزء من الدائرة يحتوي على نصف الناس على الأقل؟" هي تقول فعلياً: "تجاهل الحواف الضوضائية؛ وانظر فقط إلى المجموعة الأكثر تماسكاً بنسبة 50%". إنها تجد جوهر البيانات وتقيس مدى إحكام هذا الجوهر.
CLTS (المسطرة "المقصوصة"): تحسب تشتت النصف الأكثر إحكاماً من البيانات، بشكل مشابه لـ CLMS ولكنها تستخدم خدعة رياضية مختلفة قليلاً لإيجاد "أفضل" نصف.

الفائز: بعد اختبارها باستخدام عمليات المحاكاة والبيانات الحقيقية، جاءت CLMS (مسطرة "النصف الأكثر إحكاماً") في الصدارة. لقد كانت الأكثر دقة والأكثر مقاومة للبيانات السيئة.

3. الأداة الجديدة: "مخطط الكمان الدائري" (Circular Violin Plot)

بمج एकदा حصلت على طريقة متينة لقياس التشتت، فأنت بحاجة إلى طريقة لرؤية القيم المتطرفة. لقد ابتكر المؤلفون رسماً بيانياً جديداً يسمى مخطط الكمان الدائري.

ما هو مخطط الكمان؟ تخيل شكل الكمان التقليدي (عريض في المنتصف، ونحيف عند الأطراف). في الإحصاء، يوضح عرض الكمان عدد نقاط البيانات الموجودة في تلك المنطقة. الجزء السميك يعني وجود الكثير من البيانات؛ والجزء النحيف يعني وجود بيانات قليلة.
اللمسة الدائرية: بدلاً من الكمان المستقيم، قاموا بلفه حول وجه الساعة.
- الجزء السميك من الحلقة يوضح أين تتجمع معظم البيانات (الاتجاهات "الجيدة").
- الجزء النحيف يوضح أين تكون البيانات شحيحة.
- السحر: يقومون برسم "سياج" (خط قطع) حول الجزء السميك. أي نقطة بيانات (مثل نجم البحر) تقع خارج هذا السياج يتم تصنيفها تلقائياً كـ قيمة متطرفة.

4. النتائج في العالم الحقيقي

اختبر المؤلفون أدواتهم الجديدة على ثلاث مجموعات بيانات حقيقية:

ضفادع الكريكيت الشمالية: وجدوا ضفدعاً واحداً كان يحاول القفز في الاتجاه الخاطئ. الأداة الجديدة رصدته على الفور.
نجوم البحر السردينية: كان هذا هو الجزء الصعب. كان هناك نجمان من البحر يسبحان في الاتجاه الخاطئ. الطرق القديمة أخفيت أحدهما لأن النجمين "السيئين" حجبا بعضهما البعض (وهي مشكلة تسمى "تأثير الحجب" أو Masking effect). أداة CLMS الجديدة تجاهلت كلا النجمين السيئين، وحسبت الاتجاه الحقيقي للنجمين الجيدين، وحددت كلا القيمتين المتطرفتين بشكل صحيح.
يرقات ذبابة الفاكهة: نظروا في كيفية حركة يرقة ذبابة الفاكهة. أظهر المخطط الجديد أن البيانات كانت "فوضوية" للغاية بحيث لا تناسب نموذجاً دائرياً بسيطاً. وأشاروا إلى أن اليرقة كانت تتصرف بطريقة أكثر تعقيداً مما هو متوقع، مما ساعد العلماء على إدراك أنهم بحاجة إلى نموذج رياضي مختلف.

الخلاصة الكبرى

هذه الورقة البحثية تدور حول بناء أدوات إحصائية غير قابلة للكسر للبيانات الدائرية. تماماً كما لا تستخدم مسطرة هشة لقياس مبنى تحت الإنشاء، لا ينبغي عليك استخدام الرياضيات القياسية لتحليل الاتجاهات عند وجود قيم متطرفة.

من خلال استخدام طريقة CLMS ومخطط الكمان الدائري، يمكن للعلماء الآن:

إيجاد "المركز" الحقيقي لمجموعة من الاتجاهات.
قياس مدى تماسك هذه المجموعات دون أن يشعروا بالخوف من بعض القيم المتطرفة الغريبة.
رصد "التفاحات الفاسدة" بصرياً وبدقة، حتى لو كان هناك اثنان منها يختبئان معاً.

إنه يشبه امتلاك مستشعر فائق يمكنه الرؤية عبر الضجيج للعثور على الإشارة الحقيقية، بغض النظر عن مقدار الفوضى المحيطة به.

1. بيان المشكلة

تنتشر البيانات الدائرية (الزوايا، الاتجاهات، الملاحظات الدورية) في مجالات مثل البيولوجيا والعلوم البيئية. وتعتبر مقاييس الإحصاء القياسية لهذه البيانات، وتحديداً الانحراف المعياري الدائري (CSD)، حساسة للغاية للقيم المتطرفة. إذ يمكن لملاحظة شاذة واحدة أن تضخم الـ CSD بشكل كبير، مما يؤدي إلى استنتاجات مضللة حول تشتت البيانات. وبينما تُعد مقاييس الموقع القوية (مثل الوسيط الدائري) معروفة جيداً، إلا أن مقاييس التشتت القوية للبيانات الدائرية لم تحظَ باهتمام كافٍ. وغالباً ما تفتقر الطرق الحالية إلى التحليل المتين (مثل دالات التأثير، وقيم الانهيار) أو تعاني من "تأثير الحجب" (masking effect)، حيث تحجب القيم المتطرفة المتعددة بعضها البعض.

2. المنهجية

يقترح المؤلفون ويحللون ثلاثة مقاييس تشتت قوية مستمدة من الإحصاء الخطي ومكيفة مع المجال الدائري:

الانحراف المطلق عن الوسيط الدائري (CMAD): ويُعرف بأنه وسيط أقصر المسافات القوسية من الوسيط الدائري.
أقل انتشار للوسيط الدائري (CLMS): وهو امتداد لـ "أقل وسيط للمربعات" (LMS). ويُعرف بأنه الحد الأدنى لوسيط المسافة من نقطة على الدائرة إلى البيانات، أو مكافئ لنصف طول أقصر قوس يحتوي على 50% على الأقل من الكتلة الاحتمالية.
أقل انحراف معياري مقصوص دائري (CLTS): وهو امتداد لـ "أقل المربعات المقصوصة" (LTS). وهو الحد الأدنى للانحراف المعياري الدائري المحسوب عبر جميع الأقواس التي تحتوي على 50% على الأقل من البيانات.

التحليل النظري:

دالات التأثير (IF): استنتج المؤلفون دالة التأثير لجميع المقاييس الثلاثة لقياس تأثير التلوث الضئيل. ووجدوا أن CMAD و CLMS يتشاركان في هيكل دالة التأثير (ثابت مجزأ)، بينما يمتلك CLTS شكلاً مختلفاً (يشبه $-\cos(\theta)$ بالقرب من المنوال).
قيم الانهيار (Breakdown Values): قاموا بحساب قيم الانهيار (أقصى نسبة مئوية من القيم المتطرفة التي يمكن للطريقة تحملها قبل الفشل).
- CMAD: لا يصل إلى الحد الأقصى النظري البالغ 0.5 بسبب اشتراط وجود وسيط دائري فريد.
- CLMS و CLTS: كلاهما يحقق قيمة الانهيار المثلى وهي 0.5، مما يعني قدرتهما على تحمل تلوث يصل إلى 50%.
التحيز والكفاءة: حسبت الدراسة منحنيات التحيز النسبي تحت التلوث والكفاءة النسبية التقاربية (ARE) مقارنة بمقدرات الإمكان الأعظم (MLE).

تقدير المعلمات وكشف الشذوذ:

صاغ المؤلفون مقدرات قوية لمعلمة التركيز ( $\kappa$ ) لـ توزيع فون ميسيس ومعلمة التشتت ( $\sigma$ ) لـ التوزيع الطبيعي الملفوف من خلال عكس العلاقات بين مقاييس التشتت القوية والـ CSD للمجتمع.
قاعدة كشف الشذوذ: تم تطوير قاعدة حيث تُصنف النقطة كقيمة متطرفة إذا تجاوزت أقصر مسافة قوسية لها من الوسيط الدائري القوي قيمة حدية ( $c_\alpha$ ). ويتم اشتقاق هذه القيمة الحدية من مئينية $1-\alpha/2$ للنموذج القوي الملائم.
التصور البصري: تم تقديم أداة رسومية جديدة، وهي مخطط الكمان الدائري (Circular Violin Plot). وهي تجمع بين تقدير كثافة غير معلمي (منعكس شعاعياً) مع مخطط صندوقي دائري (المدى الربيعي والوسيط) لتصور تركيز البيانات وتحديد القيم المتطرفة.

3. المساهمات الرئيسية

توسيع الإحصاء القوي: نجح في توسيع ثلاثة مقايسات مقياس كلاسيكية (MAD, LMS, LTS) إلى المجال الدائري وتقديم أول تحليل نظري صارم لها (دالة التأثير، التحيز، الانهيار).
تحديد تفوق CLMS: من خلال المحاكاة والمقارنة النظرية، حددت الورقة أن CLMS هو المقدر الأفضل أداءً. فهو يوفر أعلى قيمة انهيار (0.5)، وكفاءة تنافسية (حوالي 37% عند التركيز العالي، مشابه لـ LMS الخطي)، وأقل تحيز نسبي تحت التلوث.
إطار عمل قوي لكشف الشذوذ: تم تطوير قاعدة كشف تتجنب تأثير الحجب الشائع في طرق الحذف المتسلسل. ومن خلال الاعتماد على CLMS (الذي يستخدم فقط الـ 50% المركزية من البيانات)، تظل الطريقة مستقرة حتى مع وجود قيم متطرفة متعددة.
مخطط الكمان الدائري: قدم تقنية تصور جديدة تعرض الكثافة، والنزعة المركزية، والقيم المتطرفة على سطح دائري، متجاوزةً قيود المخططات الصندوقية الدائرية التقليدية.

4. النتائج

دراسات المحاكاة:
- تحت نماذج تلوث إزاحة المتوسط و كتلة النقطة (10% و 20% من القيم المتطرفة)، عانى الـ MLE الكلاسيكي من تحيز شديد.
- ظلت المقدرات القوية (CMAD, CLMS, CLTS) مستقرة.
- تفوق CLMS باستمرار على CLTS و CMAD من حيث التحيز والاستقرار، لا سيما في نماذج Wrapped Normal و von Mises.
الكفاءة: تقترب الكفاءة النسبية التقاربية للمقدرات القائمة على CLMS من ~36.7% مع زيادة التركيز (مطابقة لـ LMS الخطي)، وهو ما يعتبر مقبولاً بالنظر إلى القوة العالية.
تطبيقات البيانات الحقيقية:
1. ضفادع الكريكت الشمالية: نجحت في تحديد قيمة متطرفة واحدة معروفة باستخدام حد CLMS، مما يتوافق مع نتائج الأدبيات السابقة ولكن بإطار عمل أكثر قوة.
2. نجوم البحر السردينية: نجحت الطريقة المقترحة في تحديد قيمتين متطرفتين فاتتا تقنيات الحذف الفردي بسبب تأثير الحجب. كان حد CLMS ضيقاً بما يكفي لتمييز كليهما، بينما تضخمت حدود MLE بسبب القيم المتطرفة.
3. يرقات ذبابة دروفوفيلا: كشف مخطط الكمان الدائري أن البيانات لم تكن تتبع توزيع فون ميسيس (ذي ذيول ثقيلة)، مما يشير إلى الحاجة لنموذج مختلف (Inverse Batschelet)، مما يبرز فائدة الأداة في فحص النماذج.

5. الأهمية

يسد هذا العمل فجوة حرجة في الإحصاء الاتجاهي من خلال توفير إطار عمل قوي وسليم نظرياً لتقدير التشتت وكشف القيم المتطرفة في البيانات الدائرية. إن تحديد CLMS كمقدر أمثل يوفر للممارسين أداة موثوقة مقاومة لما يصل إلى 50% من التلوث. علاوة على ذلك، يقدم مخطط الكمان الدائري أداة تشخيص بصرية قوية للبيانات الدائرية، مما يعزز القدرة على كشف الشذوذ وتقييم الافتراضات التوزيعية في مجالات تتراوح من البيئة إلى علم الفلك. كما يضمن توفر كود لغة R إمكانية الوصول إلى هذه الطرق للتطبيق الفوري.