Effective Sample Size for Functional Spatial Data

Resumen Técnico: Tamaño de Muestra Efectivo para Datos Espaciales Funcionales

Planteamiento del Problema
El concepto de Tamaño de Muestra Efectivo (ESS, por sus siglas en inglés) es una métrica bien establecida en la geoestadística para campos aleatorios escalares, la cual cuantifica la cantidad de información independiente en un conjunto de datos al contabilizar la redundancia causada por la correlación espacial. Sin embargo, la extensión del ESS a los datos espaciales funcionales —donde las observaciones son funciones indexadas por una ubicación espacial— permanece en gran medida inexplorada. Las metodologías existentes para datos escalares no pueden abordar directamente la doble complejidad de los conjuntos de datos espaciales funcionales: la dependencia intrínseca dentro de las curvas funcionales (por ejemplo, la suavidad sobre el tiempo o la profundidad) y la dependencia espacial entre observaciones en diferentes ubicaciones. Sin una definición formal, los investigadores carecen de una herramienta para cuantificar la redundancia o determinar el número efectivo de observaciones con valores funcionales independientes en tales conjuntos de datos.

Metodología
Los autores proponen una nueva definición de ESS funcional dentro de un marco de espacio de Hilbert, específicamente $L^2([0, 1])$. La metodología procede a través de los siguientes pasos:

1. Marco Teórico: Los autores definen un campo aleatorio funcional $\{\chi_s : s \in \mathbb{R}^d\}$ donde cada observación es una función de cuadrado integrable. Asumen estacionariedad débil e isotropía, describiendo la dependencia espacial mediante un operador de covarianza.
2. Trace-Covariograma: Para reducir el operador de covarianza de dimensión infinita a un resumen escalar tratable, los autores utilizan el trace-covariograma, definido como $\sigma_{tr}(h) = \int_0^1 \sigma_h(t, t) dt$. Esta medida escalar captura la covarianza agregada entre observaciones funcionales separadas por una distancia $h$.
3. Definición de ESS Funcional: Adaptando la definición escalar de Griffith (2005), el ESS funcional ($ESS_F$) se define como:
   $$ESS_F = \frac{n^2 \sigma_{tr}(0)}{\sum_{i=1}^n \sum_{j=1}^n \sigma_{tr}(\|s_i - s_j\|)}$$
   donde $n$ es el tamaño de muestra nominal y $\sigma_{tr}(0)$ es la traza-varianza.
4. Estimación: En la práctica, el trace-covariograma es desconocido. Los autores proponen estimarlo mediante un trace-variograma empírico (usando la relación $\gamma_{tr}(h) = \sigma_{tr}(0) - \sigma_{tr}(h)$) y ajustando un modelo paramétrico (por ejemplo, Exponencial, Esférico, Gaussiano) utilizando un enfoque de mínimos cuadrados. Se computa entonces un estimador de inserción (plug-in).
5. Propiedades Teóricas: El artículo establece que, bajo trace-covariogramas no negativos, $1 \leq ESS_F \leq n$. Además, demuestra que el $ESS_F$ se comporta de manera intuitiva: es igual a $n$ bajo independencia y a $1$ bajo correlación positiva perfecta. Adicionalmente, los autores muestran que añadir una observación independiente aumenta estrictamente el ESS funcional.

Contribuciones Clave y Resultados Ilustrativos

• Extensión Teórica: La contribución principal es la definición formal del ESS para datos espaciales funcionales, tendiendo un puente entre el análisis de datos funcionales (FDA) y la geoestadística.
• Análisis del Modelo FAR(1): Para ilustrar el comportamiento de la medida propuesta, los autores analizan un proceso Autorregresivo Funcional de orden 1 (FAR(1)). Derivan una expresión de forma cerrada que muestra que el ESS funcional es la media armónica ponderada de los ESSs marginales de los procesos escalares proyectados sobre los autofunciones del operador de covarianza. Los estudios numéricos demuestran que:
  • Una mayor dependencia temporal (coeficientes autorregresivos más altos) reduce el ESS funcional.
  • Un decaimiento más lento en la varianza del ruido a través de las direcciones de los autovalores (aumentando el número de componentes activas) aumenta el ESS funcional.
• Aplicación a Datos Reales: La metodología se aplica a un conjunto de datos de velocidades verticales geométricas en el Océano Pacífico (datos NCEP GODAS), que consiste en 600 ubicaciones espaciales con perfiles de velocidad medidos en 22 niveles de profundidad.
  • Se ajustaron tres modelos paramétricos (Exponencial, Esférico, Gaussiano) al trace-variograma empírico.
  • Los valores estimados de $ESS_F$ oscilaron aproximadamente entre 42 y 105, lo que sugiere que solo se requiere entre el 17% y el 25% de la muestra original para capturar la información estadística esencial.
  • Validación: Los autores validaron estos hallazgos construyendo diagramas de caja funcionales (functional boxplots) y comparando el conjunto de datos completo contra submuestras aleatorias de tamaño 106 (el máximo ESS estimado). Las métricas numéricas (discrepancias de la mediana, diferencias en el ancho de la región central y proporciones de inclusión) confirmaron que las submuestras se asemejaban estrechamente al conjunto de datos completo, apoyando visual y estadísticamente la cuantificación de la redundancia.

Significancia y Reivindicaciones
El artículo sostiene que el ESS funcional propuesto proporciona una medida interpretable y significativa para cuantificar la redundancia en conjuntos de datos espaciales funcionales. Su significancia radica en su capacidad para:

1. Guiar la Submuestreo: Ofrece un método fundamentado para seleccionar un conjunto reducido de observaciones, lo cual es particularmente valioso en entornos prácticos donde la recolección de datos es costosa o escasa (por ejemplo, el monitoreo oceanográfico).
2. Preservar la Información: Los autores demuestran que seleccionar una fracción de los datos (por ejemplo, el 17% en el caso de la velocidad oceánica) puede retener las características estadísticas clave del conjunto de datos completo, incluyendo la localización y dispersión funcional.
3. Manejar la Estructura Funcional: El enfoque acomoda naturalmente las no estacionariedades a lo largo del dominio funcional (por ejemplo, las fluctuaciones de velocidad variables con la profundidad oceánica) al representar los perfiles como funciones en lugar de vectores discretos.

Los autores concluyen señalando que, si bien el presente trabajo aborda campos funcionales univariantes isotrópicos, las futuras líneas de investigación incluyen la extensión del marco a campos funcionales espaciales multivariantes (considerando correlaciones cruzadas), campos anisotrópicos y el desarrollo de la cuantificación de la incertidumbre (propiedades asintóticas) para el estimador.