FunctionalCalibration: an R package for estimation in aggregated functional data model

Das R-Paket FunctionalCalibration ermöglicht die Schätzung einzelner Kurven aus aggregierten funktionellen Daten unter Verwendung von Splines oder Wavelet-Basiszerlegungen, wie sie beispielsweise in der Chemometrie nach dem Beer-Lambert-Gesetz auftreten.

Das Wesentliche

Das Puzzle der verschmolzenen Kurven: Eine Reise mit dem Paket „FunctionalCalibration"

Stellen Sie sich vor, Sie stehen vor einem großen Glas mit einem bunten Smoothie. Sie wissen, dass dieser Smoothie aus drei Zutaten besteht: Erdbeeren, Bananen und Milch. Wenn Sie den Smoothie probieren, schmecken Sie eine Mischung aus allen dreien. Aber wie können Sie herausfinden, wie genau die Erdbeeren, die Bananen und die Milch für sich allein schmecken würden, ohne sie zu trennen?

Genau dieses Problem löst das neue R-Paket „FunctionalCalibration", das von den Forschern Alex Rodrigo dos Santos Sousa und Vitor Ribas Perrone entwickelt wurde.

1. Das Problem: Der „Smoothie" der Daten

In der Wissenschaft (besonders in der Chemie) passiert oft Folgendes: Man misst nicht die einzelnen Zutaten, sondern nur das Endergebnis.

• Die Zutaten: Das sind die einzelnen Kurven (z. B. wie Licht von reinem Wasser, reinem Fett oder reinem Protein absorbiert wird).
• Der Smoothie: Das ist die gemessene Kurve (das Licht, das durch das ganze Fleischgemisch fällt).
• Die Gewichte: Das ist der Anteil jeder Zutat im Glas (wie viel Wasser, wie viel Fett).

Das Ziel ist es, aus dem gemessenen „Smoothie" (der aggregierten Kurve) und den bekannten Anteilen (den Gewichten) die ursprünglichen Zutaten (die einzelnen Kurven) zurückzuberechnen. Das nennt man Kalibrierung.

2. Die zwei Werkzeuge: Der glatte Pinsel und der scharfe Skalpell

Um dieses Puzzle zu lösen, bietet das Paket zwei verschiedene Werkzeuge an, je nachdem, wie „glatt" oder „zerklüftet" die Zutaten sind.

Werkzeug A: Die Splines (Der glatte Pinsel)
Stellen Sie sich vor, Sie müssen eine glatte, wellenförmige Linie zeichnen, wie eine sanfte Hügellandschaft. Dafür benutzen Sie einen flexiblen, glatten Pinsel.

• Wie es funktioniert: Das Paket nutzt mathematische Kurven (B-Splines), die sich wie ein biegsamer Lineal über die Daten legen.
• Wann man es nutzt: Wenn die Zutaten sehr glatt und gleichmäßig sind (wie eine sanfte Welle).
• Das Problem: Wenn eine Zutat aber plötzlich einen scharfen Knick oder eine Unterbrechung hat (wie ein steiler Abhang), kann der weiche Pinsel das nicht genau nachzeichnen. Er macht alles zu glatt.

Werkzeug B: Die Wellen (Das scharfe Skalpell)
Stellen Sie sich nun vor, Sie müssen ein Bild zeichnen, das scharfe Kanten, Zacken oder plötzliche Sprünge hat (wie ein Berggipfel oder ein abgehacktes Signal). Dafür brauchen Sie ein Werkzeug, das in kleinen, scharfen Schritten arbeitet.

• Wie es funktioniert: Das Paket nutzt Wavelets (Wellen). Man kann sich das wie ein Mikroskop vorstellen, das die Kurve in viele kleine, scharfe Details zerlegt. Es kann genau dort „hineinzoomen", wo etwas passiert (z. B. wo die Kurve abrupt abbricht).
• Wann man es nutzt: Wenn die Zutaten unruhig sind, Spitzen haben oder plötzliche Sprünge aufweisen.
• Der Vorteil: Es kann diese „Unvollkommenheiten" viel besser einfangen als der glatte Pinsel.

3. Was macht das Paket konkret?

Das Paket ist wie ein Schweizer Taschenmesser für Datenanalysten. Es enthält vier Hauptfunktionen:

1. Der Test-Simulator: Bevor man echte Daten analysiert, kann man mit dem Paket künstliche „Smoothies" erzeugen, um zu testen, ob die Werkzeuge funktionieren.
2. Der Wavelet-Entwirrer: Ein Knopf, der die scharfen, zackigen Kurven aus dem Smoothie zurückrechnet.
3. Der Spline-Entwirrer: Ein Knopf, der die glatten, wellenförmigen Kurven zurückrechnet.
4. Der Rechner für Gewichte: Manchmal weiß man die Zutaten, aber nicht, wie viel davon im Glas war. Dieses Werkzeug rechnet genau das aus: „Wie viel Prozent waren Erdbeeren und wie viel Bananen?"

4. Ein echtes Beispiel: Fleisch und Licht

Die Forscher testen ihr Paket mit echten Daten aus der Fleischindustrie (das sogenannte „Tecator-Dataset").

• Die Situation: Man scannt Fleisch mit Infrarotlicht. Das Licht wird vom Fleisch absorbiert.
• Das Ergebnis: Man sieht eine Kurve, die eine Mischung aus Wasser, Fett und Eiweiß ist.
• Die Lösung: Mit dem Paket kann man nun berechnen, wie die reine Absorptionskurve von nur dem Fett aussieht, oder wie die von nur dem Eiweiß aussieht.
• Der Clou: Wenn man weiß, wie diese reinen Kurven aussehen, kann man in neuen Fleischstücken sofort und billig berechnen, wie viel Fett oder Eiweiß enthalten ist, ohne teure Laboranalysen durchführen zu müssen.

Fazit

Das Paket FunctionalCalibration ist ein Werkzeugkasten, der Wissenschaftlern hilft, aus einem „vermischten" Signal die einzelnen „Rezepturen" wiederherzustellen.

• Ist die Kurve glatt? Nimm den Spline-Pinsel.
• Ist die Kurve zackig und voller Sprünge? Nimm das Wavelet-Skalpell.

Dadurch wird es möglich, komplexe chemische Mischungen schneller, genauer und kostengünstiger zu analysieren.

Technische Zusammenfassung

1. Problemstellung

Das Paper adressiert das statistische Problem der Schätzung von Einzelkurven (Konstituentenkurven) aus aggregierten Kurven. Dieses Problem tritt in verschiedenen Bereichen auf, insbesondere in der Chemometrie im Zusammenhang mit dem Beer-Lambert-Gesetz.

• Kontext: Die Absorptionskurve einer Substanz (z. B. Fleisch im Nahinfrarotspektrum) ist eine gewichtete Summe der Absorptionskurven ihrer Bestandteile (z. B. Protein, Fett, Wasser). Die Gewichte entsprechen den Konzentrationen der Bestandteile.
• Das Kalibrierungsproblem: Ziel ist es, die individuellen Absorptionskurven der Bestandteile ($\alpha_l(t)$) aus der beobachteten aggregierten Kurve ($A(t)$) zu rekonstruieren, wobei die Gewichte ($y_{nl}$) als bekannt vorausgesetzt werden.
• Herausforderung: Die Daten liegen diskret vor und enthalten Rauschen (additive Fehler). Herkömmliche multivariate Methoden (wie PCR oder PLS) oder reine Bayessche Ansätze werden oft verwendet, aber der Fokus liegt hier auf einem funktionalen Datenanalyse-Ansatz (FDA).

2. Methodik

Das Paper beschreibt ein statistisches Modell und zwei verschiedene Schätzverfahren, die im R-Package FunctionalCalibration implementiert sind.

Das statistische Modell

Das aggregierte Modell wird definiert als:
$$A(t) = \sum_{l=1}^{L} y_l \alpha_l(t) + \epsilon(t)$$
wobei:

• $A(t)$ die aggregierte Funktion ist.
• $\alpha_l(t)$ die unbekannten Komponentenfunktionen sind.
• $y_l$ die bekannten Gewichte (Konzentrationen) sind.
• $\epsilon(t)$ ein normalverteilter Fehlerterm mit Mittelwert 0 und Varianz $\sigma^2$ ist.

In der Praxis wird das Modell diskretisiert, wobei $N$ Stichproben an $M$ äquidistanten Punkten beobachtet werden.

Schätzverfahren

Das Package implementiert zwei Basis-Expansionsmethoden zur Lösung des inversen Problems:

1. Wellen-Funktionen (Wavelets):

   • Ansatz: Basierend auf der Arbeit von Sousa (2024). Die Funktionen $\alpha_l(t)$ werden in einer Orthonormalbasis von Wavelets entwickelt.
   • Verfahren: Anwendung der diskreten Wavelet-Transformation (DWT). Die empirischen Wavelet-Koeffizienten werden mittels eines Shrinkage-Verfahrens (Komprimierung) behandelt, um Rauschen zu reduzieren.
   • Shrinkage-Regel: Es wird eine Bayessche Shrinkage-Regel verwendet, die auf einer Mischung aus einer Punktmasse bei Null und einer logistischen Verteilung als Prior basiert.
   • Vorteil: Besonders geeignet für Funktionen mit lokalen Merkmalen wie Sprungstellen, Spitzen oder Oszillationen.

2. Splines (B-Splines):

   • Ansatz: Basierend auf der Arbeit von Saraiva und Dias (2009). Die Funktionen werden als Linearkombination von B-Spline-Basisfunktionen dargestellt.
   • Verfahren: Umformulierung in ein lineares Matrixmodell und Schätzung der Koeffizienten mittels Ordinary Least Squares (OLS).
   • Vorteil: Ideal für glatte, stetige Funktionen.

3. Schlüsselbeiträge des R-Packages FunctionalCalibration

Das Paper stellt das R-Package vor, das die oben genannten Methoden für die Praxis nutzbar macht. Die Hauptfunktionen sind:

• simulated_data(): Generiert einen synthetischen Datensatz mit 100 Aggregat-Proben aus zwei bekannten Komponentenfunktionen (eine glatte Sinus-Kurve und eine stückweise konstante Funktion mit Sprungstellen) unter Hinzufügung von Gaußschem Rauschen. Dient zur Validierung und Demonstration.
• functional_calibration_wavelets(): Führt die Schätzung der Komponentenkurven mittels Wavelet-Ansatz durch. Unterstützt verschiedene Shrinkage-Methoden (Bayesian, Universal, SURE, etc.) und erlaubt die Konfiguration von Hyperparametern ($\tau, p, \sigma$).
• functional_calibration_splines(): Führt die Schätzung mittels B-Spline-Expansion durch. Der Benutzer kann die Anzahl der Basisfunktionen wählen.
• plot_aggregated_curve(): Visualisiert eine aggregierte Kurve, die aus definierten Komponenten und Gewichten konstruiert wurde.
• weight_estimation(): Löst das inverse Problem, bei dem die Gewichte ($y_l$) geschätzt werden, wenn die Komponentenkurven bekannt sind (mittels Kleinste-Quadrate-Methode).

4. Ergebnisse und Validierung

Die Autoren demonstrieren die Leistungsfähigkeit des Packages anhand des simulierten Datensatzes:

• Glatte Funktionen: Sowohl die Wavelet- als auch die Spline-Methode konnten die glatte Komponente $\alpha_1(x)$ (eine modifizierte Sinuskurve) sehr gut rekonstruieren.
• Diskontinuierliche Funktionen:
  • Die Wavelet-Methode konnte die Sprungstellen der zweiten Komponente $\alpha_2(x)$ (eine stückweise konstante Funktion) präzise erfassen und die Diskontinuitäten wiedergeben.
  • Die Spline-Methode scheiterte hingegen bei $\alpha_2(x)$, da Splines Schwierigkeiten haben, scharfe Sprünge ohne starke Oszillationen (Gibbs-Phänomen) darzustellen.
• Visualisierung: Die Abbildungen im Paper zeigen, dass das Wavelet-Verfahren für Funktionen mit lokalen Besonderheiten überlegen ist, während Splines für glatte Verläufe effizient sind.

5. Bedeutung und Fazit

Das Paper und das zugehörige Package FunctionalCalibration sind bedeutend, weil sie:

1. Spezialisierte Software bereitstellen: Sie bieten die erste umfassende R-Implementierung für die Schätzung von Komponenten in aggregierten funktionalen Datenmodellen unter Verwendung moderner FDA-Methoden.
2. Methodische Flexibilität: Sie ermöglichen den Vergleich und die Anwendung von zwei komplementären Ansätzen (Splines vs. Wavelets), je nach Natur der zugrunde liegenden Daten (glatt vs. sprunghaft).
3. Praktische Anwendbarkeit: Das Package ist auf CRAN verfügbar und adressiert reale Probleme in der Chemometrie (z. B. Bestimmung von Inhaltsstoffen in Lebensmitteln), wo schnelle und kostengünstige Vorhersagen im Vergleich zu Laboranalysen gewünscht sind.

Zusammenfassend stellt das Package ein wichtiges Werkzeug für Forscher dar, die mit inversen Problemen in der funktionalen Datenanalyse konfrontiert sind, und unterstreicht die Eignung von Wavelets für die Rekonstruktion von Funktionen mit lokalen Singularitäten.