📊 statistics

Statistical description and dimension reduction of continuous time categorical trajectories with multivariate functional principal components

Dieser Artikel schlägt einen Rahmen für die multivariate funktionale Hauptkomponentenanalyse vor, der kategorische Trajektorien in binäre Indikatorfunktionen innerhalb eines Hilbertraums transformiert und damit eine konsistente Dimensionsreduktion sowie einen statistischen Vergleich stückweise konstanter Pfade unter schwachen Regularitätsannahmen ermöglicht, wie anhand von Daten zur sensorischen Wahrnehmung demonstriert wird.

Ursprüngliche Autoren: Hervé Cardot, Caroline Peltier

Veröffentlicht 2026-05-05

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Hervé Cardot, Caroline Peltier

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie beobachten eine Gruppe von Menschen, die verschiedene Lebensmittel probieren. Alle paar Sekunden müssen sie laut aussprechen, welchen Geschmack sie am stärksten wahrnehmen: „Süß!", „Sauer!", „Bitter!" oder „Salzig!". Im Laufe einer Minute erstellt jede Person eine einzigartige, gezackte Zeitlinie der Geschmäcker.

In der Welt der Statistik ist die Analyse dieser Zeitlinien schwierig. Traditionelle Methoden gehen üblicherweise davon aus, dass Daten glatt und kontinuierlich sind (wie ein fließender Fluss). Doch diese Geschmackszeitlinien ähneln eher einer Reihe plötzlicher Sprünge (wie ein Lichtschalter, der ein- und ausgeschaltet wird). Wenn Sie versuchen, diese „springenden" Daten in glatte Modelle zu zwingen, gehen wichtige Details verloren.

Dieser Artikel stellt eine neue, clevere Methode vor, um diese springenden Geschmackszeitlinien zu kartieren und zu vergleichen, ohne Informationen zu verlieren. Hier ist die Aufschlüsselung ihres Ansatzes unter Verwendung einfacher Analogien:

1. Das Problem: Die „gezackte" Zeitlinie

Normalerweise betrachten Statistiker den „durchschnittlichen" Geschmack zu einem bestimmten Zeitpunkt. Wenn 50 Personen eine Zitrone probieren, könnte der Durchschnitt sagen: „Zitrone" bei Sekunde 1, „Sauer" bei Sekunde 2 und „Süß" bei Sekunde 3.

Der Fehler: Dieser Durchschnitt verbirgt die individuellen Geschichten. Er sagt nicht, wer früh auf „Süß" umgeschaltet hat oder wer lange bei „Sauer" geblieben ist. Er hat auch Schwierigkeiten, wenn Personen zwei Dinge gleichzeitig schmecken können (wie „Süß" und „Salzig" zusammen), was in einigen Experimenten vorkommt.

2. Die Lösung: Der „Lichtschalter"-Trick

Die Autoren schlagen einen einfachen, aber mächtigen Trick vor: Anstatt den komplexen „Geschmack" direkt zu analysieren, verwandeln sie jeden möglichen Geschmack in einen eigenen binären Lichtschalter.

Stellen Sie sich ein Kontrollpanel mit 8 Schaltern vor, einen für jeden Geschmack (Zitrone, Süß, Säure usw.).
Für eine bestimmte Person zu einer bestimmten Sekunde ist der „Zitrone"-Schalter entweder EINGESCHALTET (1) oder AUSGESCHALTET (0).
Wenn die Person Zitrone schmeckt, ist der Zitrone-Schalter EINGESCHALTET, und alle anderen sind AUSGESCHALTET (im Standard-Experiment).
Auf diese Weise verwandeln sie eine komplexe, springende Zeitlinie in eine Reihe einfacher, binärer Ein/Aus-Geschichten.

3. Die Karte: Finden der „Hauptthemen"

Jetzt, da sie diese Ein/Aus-Geschichten haben, verwenden sie eine Technik namens Multivariate Funktionale Hauptkomponentenanalyse (MFPCA).

Die Analogie: Denken Sie daran wie das Finden der „Hauptthemen" in einem Lied. Wenn Sie 150 verschiedene Aufnahmen von Menschen haben, die Essen probieren, fragt die MFPCA: „Was sind die häufigsten Arten, wie diese Zeitlinien variieren?"
Das Ergebnis: Sie finden einige „Muster" (genannt Hauptkomponenten), die den Großteil der Unterschiede zwischen den Personen erklären.
- Muster 1 könnte den Unterschied zwischen Personen darstellen, die zuerst „Zitrone" schmecken, und denen, die zuerst „Süß" schmecken.
- Muster 2 könnte den Unterschied zwischen denen darstellen, die am Ende „Salzig" schmecken, und denen, die es nicht tun.

4. Warum dies besser ist als alte Methoden

Der Artikel vergleicht ihre neue „Lichtschalter"-Methode mit einer älteren Methode namens „Kontinuierliche Zeit-Korrespondenzanalyse" (die wie der Versuch ist, die Geschmäcker mit einem komplexen, mehrdimensionalen Gitter zu kartieren).

Die Schwäche der alten Methode: Sie hat Schwierigkeiten, wenn ein Geschmack zu einem bestimmten Zeitpunkt von niemandem gewählt wird. Es ist wie der Versuch, eine Karte einer Stadt zu zeichnen, in der einige Straßen nicht existieren; die Mathematik bricht zusammen, und die Karte hat Löcher. Sie verwendet zudem eine „multiplikative" Mathematik (Multiplikation von Zahlen), die schwer zu interpretieren ist.
Die Stärke der neuen Methode: Sie verwendet „additive" Mathematik (Addition von Zahlen). Sie bewältigt die „Löcher" (Zeiten, in denen niemand einen Geschmack wählt) perfekt. Sie behandelt die Daten als Sammlung einfacher Ein/Aus-Schalter, was sie robust macht, selbst wenn die Daten unordentlich sind oder wenn Menschen mehrere Dinge gleichzeitig schmecken.

5. Der Realwelt-Test: Der Geschmackstest

Die Autoren testeten dies an einem echten Datensatz von 150 Personen, die drei verschiedene kontrollierte flüssige Reize (S04, S06, S07) probierten.

Das Ergebnis: Ihre neue Methode gruppierte die Personen erfolgreich in drei distincte Cluster, die perfekt mit den drei verschiedenen Flüssigkeiten übereinstimmten, die sie probierten.
Die Interpretation: Sie konnten auf die „Muster" schauen und sagen: „Ah, die Personen in Gruppe A schmeckten früh Zitrone und spät Süß", was dem tatsächlichen Rezept der getrunkenen Flüssigkeit entsprach. Die alte Methode konnte die Gruppen ebenfalls trennen, aber es war viel schwieriger zu erklären, warum sie unterschiedlich waren, und sie geriet bei Geschmacksrichtungen, die niemand probierte (wie „Minze" in diesem spezifischen Test), in Verwirrung.

Zusammenfassung

Kurz gesagt sagt dieser Artikel: „Versuchen Sie nicht, die gezackten Sprünge in kategorialen Daten glatt zu schleifen. Verwandeln Sie stattdessen jede Kategorie in einen einfachen Ein/Aus-Schalter und suchen Sie dann nach den Hauptmustern, wie diese Schalter umschalten."

Dies ermöglicht Statistikern:

Alle ursprünglichen Informationen zu bewahren (keine Daten gehen verloren).
Fälle zu handhaben, in denen Menschen mehrere Dinge gleichzeitig schmecken.
Die Ergebnisse leicht zu interpretieren, indem man sieht, welche Geschmäcker gemeinsam auf- und abgehen.
Eine massive Menge komplexer Zeitreihendaten auf einige wenige einfache, verständliche „Scores" zu reduzieren, die die ganze Geschichte erzählen.

Technisches Fazit: Statistische Beschreibung und Dimensionsreduktion kontinuierlicher zeitlicher kategorialer Trajektorien

1. Problemstellung

Der Beitrag adressiert die Herausforderung der statistischen Beschreibung und des Vergleichs von Mengen kontinuierlicher zeitlicher kategorialer Trajektorien. Während die funktionale Datenanalyse (FDA) umfangreiche Werkzeuge für zufällige Trajektorien entwickelt hat, die Werte in $\mathbb{R}$ annehmen, wurde weniger Aufmerksamkeit Trajektorien gewidmet, die Werte in einer endlichen Menge nicht-numerischer Zustände $S = \{S_1, \dots, S_q\}$ annehmen.

Bestehende Ansätze stoßen auf spezifische Grenzen:

Kategoriale Funktionale Datenanalyse (CFDA): Basierend auf der Korrespondenzanalyse im kontinuierlichen Zeitbereich (Deville, 1982) kodiert diese Methode Trajektorien in reelle Komponenten. Die Interpretation individueller Trajektorien ist jedoch oft schwierig, und die Methode hat Probleme mit Zuständen, die zu bestimmten Zeitpunkten eine Wahrscheinlichkeit von null für das Auftreten aufweisen.
Markov-/Semi-Markov-Prozesse: Diese modellieren das Gesetz der Trajektorien auf Populationsebene, sind jedoch für die Analyse auf Individualebene oft zu vereinfacht. Darüber hinaus haben sie Schwierigkeiten mit Rahmenbedingungen, in denen mehrere Zustände gleichzeitig beobachtet werden können (z. B. Temporal Check-All-That-Apply oder TCATA), da dies eine exponentielle Zunahme der Anzahl der Systemzustände ( $2^q$ ) erfordert.

Die Autoren zielen darauf ab, ein Werkzeug für eine einfache Darstellung und den Vergleich kategorialer Trajektorien bereitzustellen, ohne Informationen zu verlieren, und zwar speziell für Szenarien, in denen Trajektorien stückweise konstant mit endlichen Sprüngen sind und mehrere Zustände gleichzeitig auftreten können.

2. Methodik

Der vorgeschlagene Ansatz transformiert das Problem der statistischen Beschreibung kategorialer Trajektorien in eine Multivariate Funktionale Hauptkomponentenanalyse (MFPCA).

Mathematischer Rahmen:

Binäre Indikator-Transformation: Anstatt den kategorialen Prozess $Y(t)$ direkt zu analysieren, ordnen die Autoren jedem Zustand $S_j$ eine binäre Zufalls-Indikatorfunktion $X_j(t) = \mathbb{1}_{\{Y(t) \ni S_j\}}$ zu. Dies erzeugt einen multivariaten funktionalen Vektor $X(t) = (X_1(t), \dots, X_q(t))$ , der Werte in $\{0, 1\}^q$ annimmt.
Funktionaler Raum: Die Trajektorien werden als zufällige Elemente im Hilbertraum $H = L^2([0, T], \mathbb{R}^q)$ modelliert. Die Autoren zeigen, dass unter der schwachen Hypothese, dass Trajektorien in Wahrscheinlichkeit stetig sind (Hypothese H1) und zum Raum der rechtsstetigen Funktionen mit linksseitigen Grenzwerten ( $D([0, T], \mathbb{R}^q)$ ) gehören, diese Prozesse gemeinsam messbar sind und wohldefinierte Mittelwert- und Kovarianzoperatoren besitzen.
Additive Zerlegung: Im Gegensatz zur CFDA, die eine multiplikative Zerlegung der gemeinsamen Wahrscheinlichkeiten verwendet, stützt sich diese Methode auf eine additive Zerlegung der Kovarianzstruktur. Der Kovarianzoperator $\Gamma$ wird über den Kern $\gamma(s, t)$ definiert, wobei die Nicht-Diagonalelemente Abweichungen von der Unabhängigkeit darstellen.
Dimensionsreduktion: Die Methode führt eine MFPCA am Vektor $X$ durch. Die Karhunen-Loève-Entwicklung ermöglicht die Darstellung des zentrierten Prozesses $X - p$ (wobei $p$ die Mittelwert-Trajektorie ist) in einem niedrigdimensionalen Unterraum, der von den Eigenfunktionen $\phi_r$ aufgespannt wird.

Schätzung:

Konsistenz: Der Beitrag liefert Konsistenzresultate für den empirischen Mittelwert $\hat{p}$ und den empirischen Kovarianzoperator $\hat{\Gamma}$ unter schwachen Regularitätsannahmen.
Diskrete Beobachtung: Die Autoren stellen fest, dass Trajektorien zwar in kontrollierten Experimenten vollständig beobachtet werden können, aber konsistente Schätzer auch aus einem hinreichend dichten Gitter von Diskretisierungspunkten unter Verwendung nichtparametrischer Glättung (lokale lineare Glätter) gewonnen werden können, wobei Konvergenzraten im parametrischen Sinne bis auf einen logarithmischen Faktor erreicht werden.

3. Hauptbeiträge

Einheitlicher Rahmen: Der Ansatz umfasst sowohl die Temporale Dominanz der Empfindungen (TDS) (bei der zu jedem Zeitpunkt genau ein Zustand aktiv ist) als auch TCATA (bei der mehrere Zustände gleichzeitig aktiv sein können), ohne dass eine Explosion der Dimension des Zustandsraums erforderlich ist.
Theoretische Strenge: Der Beitrag liefert eine rigorose mathematische Begründung für die Behandlung diskontinuierlicher, stückweise konstanter kategorialer Trajektorien als zufällige Elemente in einem Hilbertraum quadratisch integrierbarer Funktionen und etabliert die Stetigkeit der Mittelwert- und Kovarianzfunktionen unter der Annahme der Stetigkeit in Wahrscheinlichkeit.
Interpretierbarkeit: Die resultierenden Hauptkomponenten erweisen sich als leicht interpretierbar als Variationen um die mittleren Wahrscheinlichkeitskurven für jeden Zustand. Die Methode ermöglicht die Identifizierung dominanter Muster in individuellen Trajektorien.
Robustheit gegenüber Null-Wahrscheinlichkeiten: Durch die Verwendung einer additiven Zerlegung der Kovarianz anstelle des multiplikativen Ansatzes der Korrespondenzanalyse vermeidet die Methode das Problem undefinierter Kodierungsfunktionen, wenn ein Zustand zu bestimmten Zeitpunkten eine Wahrscheinlichkeit von null für das Auftreten hat.

4. Ergebnisse

Die Methodik wurde anhand eines Datensatzes von 150 sensorischen Wahrnehmungsexperimenten illustriert, an denen 50 Panelisten teilnahmen, die drei verschiedene gustometergesteuerte Reize (S04, S06, S07) mit $q=8$ möglichen Empfindungszuständen probierten.

Dimensionsreduktion: Die ersten beiden Hauptkomponenten erklärten 34 % der Gesamtvarianz (23 % bzw. 11 %). Die Eigenwerte nahmen langsam ab, was die diskontinuierliche Natur der Trajektorien widerspiegelt.
Differenzierung der Reize:
- PC1 unterschied den Reiz S04 (gekennzeichnet durch eine hohe Wahrscheinlichkeit für Zitrone am Anfang und Süß am Ende) effektiv vom Reiz S06 (gekennzeichnet durch das entgegengesetzte Muster).
- PC2 unterschied den Reiz S07 (Sauer $\to$ Süß $\to$ Salzig) von den anderen.
Vergleich mit CFDA:
- Die MFPCA-Scores wiesen eine hohe lineare Korrelation (0,93) mit der ersten Dimension der CFDA-Scores auf und trennten die Reizgruppen erfolgreich.
- Allerdings bot die MFPCA eine direktere Interpretation in Bezug auf die Wahrscheinlichkeit des Auftretens.
- Die CFDA hatte Schwierigkeiten mit dem Deskriptor „Minze" (ein Ablenkungsreiz), da die Kodierungsfunktionen undefiniert waren, wenn der Anteil des Auftretens null war. Im Gegensatz dazu handhabte die MFPCA diese Intervalle mit Null-Wahrscheinlichkeit auf natürliche Weise.
- Die zweite Dimension in der CFDA erfasste hauptsächlich Ausreißer (seltene Ereignisse wie den Minze-Ablenkungsreiz), während die zweite Dimension in der MFPCA das Signal S07 erfolgreich von den anderen trennte.

5. Bedeutung und Behauptungen

Die Autoren behaupten, dass dieser Ansatz ein leistungsfähiges Werkzeug für die Dimensionsreduktion kategorialer funktionaler Daten bietet, das sowohl statistisch konsistent als auch interpretierbar ist.

Analyse auf Individualebene: Im Gegensatz zu Markov-basierten Ansätzen, die sich auf Gesetze auf Populationsebene konzentrieren, erleichtert diese Methode die Analyse und den Vergleich individueller Trajektorien.
Handhabung gleichzeitiger Zustände: Die Methode behandelt experimentelle Rahmenbedingungen wie TCATA, bei denen mehrere Zustände gleichzeitig auftreten, auf natürliche Weise; ein Szenario, das mit Standard-Markov- oder Korrespondenzanalyse-Ansätzen nur unter drastischer Erhöhung der Komplexität modelliert werden kann.
Prädiktiver Nutzen: Die Darstellung in reduzierter Dimension (Hauptkomponenten-Scores) kann als erklärende Variable für prädiktive Modelle dienen, wie z. B. Regression von Skalaren auf kategoriale funktionale Daten. Die Autoren zeigten, dass eine einfache Diskriminanzanalyse, die auf diesen Scores basiert, das zugrundeliegende Geschmacksexperiment (S04, S06 oder S07) genau vorhersagen konnte.
Allgemeingültigkeit: Der Rahmen wird als Erweiterung vorheriger Arbeiten (Cardot und Peltier, 2025) präsentiert, die eine detailliertere mathematische Beschreibung und konsistente Schätzer unter schwachen Annahmen bietet und auf jeden kontinuierlichen zeitlichen kategorialen Prozess mit endlichen Sprüngen anwendbar ist.