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

El paquete R *FunctionalCalibration* permite estimar curvas constituyentes a partir de curvas agregadas en modelos con errores aditivos, como los que surgen en quimiometría, utilizando expansiones en bases de splines o wavelets.

Lo esencial

¡Hola! Imagina que tienes un batido de frutas. Sabes exactamente cuánta fruta hay en él (por ejemplo, 70% fresa y 30% plátano), pero no puedes ver las frutas individuales porque están mezcladas y licuadas. Solo ves el color y el sabor final del batido.

El problema que resuelve este artículo es: "¿Cómo podemos 'desmezclar' el batido para recuperar la forma exacta de la fresa y del plátano originales, solo viendo el batido final?"

Aquí te explico cómo funciona el paquete de software FunctionalCalibration (Calibración Funcional) que presentan los autores, usando analogías sencillas:

1. El Problema: La "Sopa de Letras"

En el mundo real (especialmente en química y farmacia), a menudo medimos una señal que es una mezcla de varias cosas.

• La analogía: Imagina que tienes una orquesta tocando una canción. Solo puedes escuchar la música final (el sonido agregado), pero no puedes distinguir el violín del piano.
• El objetivo: El software intenta adivinar cómo sonaba el violín y cómo sonaba el piano por separado, basándose en la canción completa y sabiendo qué tan fuerte tocaba cada uno (las "pesas" o concentraciones).

2. La Solución: Dos Herramientas Mágicas

El paquete ofrece dos métodos diferentes para hacer esta "desmezcla", dependiendo de qué tipo de "forma" tengan las señales originales.

A. El Método de los "Splines" (Como un Arcoíris Suave)

• ¿Qué es? Imagina que las señales que buscas son suaves, redondas y sin bordes afilados, como una montaña lejana o una ola del mar.
• Cómo funciona: El software usa una herramienta llamada Splines (que son como reglas flexibles de plástico). Estas reglas se doblan suavemente para seguir la forma de la curva.
• Cuándo usarlo: Es perfecto si lo que buscas es algo suave y continuo.
• La limitación: Si intentas usar esta regla flexible para dibujar una escalera (que tiene escalones y esquinas afiladas), la regla se verá muy mal y no podrá copiar los bordes rectos.

B. El Método de las "Ondas" (Wavelets) (Como un Escáner de Rayos X)

• ¿Qué es? Imagina que las señales que buscas tienen picos repentinos, cortes, o son muy irregulares (como un terremoto o una señal de radio con interferencias).
• Cómo funciona: Aquí usan Ondas (Wavelets). Imagina que en lugar de una regla flexible, usas un escáner que puede ver los detalles finos y los cambios bruscos. Las ondas pueden "encajar" perfectamente en las esquinas afiladas y en los saltos repentinos.
• La ventaja: Si tu señal tiene discontinuidades (como un interruptor que se enciende y se apaga de golpe), este método es el ganador.

3. ¿Qué hace el paquete de software?

Los autores crearon una caja de herramientas en R (un lenguaje de programación estadístico) llamada FunctionalCalibration. Es como un "chef de cocina inversa":

1. Te da ingredientes de prueba: Incluye un set de datos simulado (como un batido de prueba) para que los usuarios practiquen.
2. Tiene dos recetas principales:
   • functional_calibration_splines(): Úsala si esperas curvas suaves.
   • functional_calibration_wavelets(): Úsala si esperas curvas con picos, cortes o cambios bruscos.
3. Te muestra el resultado: Te devuelve las curvas individuales "desmezcladas" y te hace gráficos para que veas si funcionó.
4. Incluso puede hacer lo contrario: Si ya tienes las curvas individuales, puede calcular qué proporción (peso) se usó para mezclarlas.

4. ¿Por qué es importante?

En la vida real, esto es vital para la química. Por ejemplo, en la industria de la carne, los científicos miden la luz que atraviesa un trozo de carne para saber cuánto grasa, proteína y agua tiene.

• La luz que ven es la "mezcla".
• El software usa estos métodos para decirles: "Tu muestra tiene 15% de grasa y 20% de proteína", sin tener que cortar la carne y hacer un análisis costoso en laboratorio.

En resumen

Este paquete es como un traductor de señales. Si tienes una señal confusa que es una mezcla de varias cosas, FunctionalCalibration te ayuda a separarlas.

• Si las cosas son suaves, usa Splines (reglas flexibles).
• Si las cosas son duras o con picos, usa Ondas (escáneres detallados).

¡Es una herramienta genial para quienes necesitan ver lo que está oculto dentro de una mezcla!

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Paquete R FunctionalCalibration para la Estimación en Modelos de Datos Funcionales Agregados

1. Planteamiento del Problema

El artículo aborda el problema estadístico de estimar curvas constituyentes individuales a partir de observaciones de sus curvas agregadas. Este escenario, conocido como "datos funcionales agregados", surge en diversos campos, siendo el más destacado la quimiometría bajo la Ley de Beer-Lambert.

En este contexto, la curva de absorbancia de una sustancia ($A(t)$) se modela como una suma ponderada de las curvas de absorbancia de sus constituyentes ($\alpha_l(t)$), donde los pesos ($y_l$) corresponden a las concentraciones de dichos constituyentes. El objetivo de la calibración es recuperar las curvas individuales $\alpha_l(t)$ a partir de la curva agregada observada $A(t)$, asumiendo que los pesos son conocidos (o estimables) y que el modelo incluye errores aditivos. Una vez calibrado el modelo, permite estimar concentraciones en nuevas muestras de manera más económica que los análisis de laboratorio tradicionales.

2. Metodología

El paquete FunctionalCalibration implementa un marco de Análisis de Datos Funcionales (FDA) para resolver el problema de inversión. Se consideran dos enfoques principales basados en expansiones de bases, ambos asumiendo errores gaussianos:

• Modelo Estadístico:
  La función agregada se define como:
  $$A(t) = \sum_{l=1}^{L} y_l \alpha_l(t) + \epsilon(t)$$
  Donde $\epsilon(t) \sim N(0, \sigma^2)$. En la práctica, el modelo se discretiza en $N$ muestras observadas en $M$ puntos.

• Enfoque de Ondecitas (Wavelets):

  • Basado en el trabajo de Sousa (2024).
  • Las funciones componentes $\alpha_l(t)$ se expanden en una base de ondículas (wavelets) orthonormales.
  • Se utiliza la Transformada Discreta de Ondecitas (DWT) para transformar el modelo al dominio de los coeficientes.
  • Se aplica una regla de contracción (shrinkage) a los coeficientes empíricos para reducir el ruido. El paquete implementa una regla de contracción Bayesiana (Sousa, 2022) basada en una mezcla de una masa puntual en cero y una distribución logística, así como otros métodos clásicos (umbral universal, SURE, probabilidad, validación cruzada).
  • Finalmente, se aplica la Transformada Inversa (IDWT) para recuperar las estimaciones de las funciones.
  • Ventaja: Ideal para funciones con características locales, discontinuidades, picos u oscilaciones.

• Enfoque de Splines:

  • Basado en el trabajo de Saraiva y Dias (2009).
  • Las funciones componentes se expanden en una base de B-splines.
  • El problema se formula en forma matricial y se resuelve mediante el método de Mínimos Cuadrados Ordinarios (OLS) para estimar los coeficientes de la expansión.
  • Ventaja: Funciona bien para funciones suaves y continuas.

3. Contribuciones Clave

El principal aporte del trabajo es el desarrollo y la publicación del paquete de software FunctionalCalibration en R (disponible en CRAN y GitHub), que formaliza y facilita la aplicación de estos métodos. Sus características incluyen:

• Implementación de Algoritmos Avanzados: Codifica las metodologías de expansión de bases de ondículas (con contracción Bayesiana) y splines para modelos de datos funcionales agregados.
• Funcionalidades del Paquete:
  • simulated_data(): Genera un conjunto de datos sintético con dos funciones componentes (una suave y otra con discontinuidades) para pruebas.
  • functional_calibration_wavelets(): Estima curvas individuales usando el enfoque de ondículas.
  • functional_calibration_splines(): Estima curvas individuales usando el enfoque de splines.
  • plot_aggregated_curve(): Visualiza la curva agregada resultante de una combinación de componentes.
  • weight_estimation(): Resuelve el problema inverso de estimar los pesos (concentraciones) dados los componentes y la curva agregada.
• Flexibilidad: Permite al usuario elegir entre diferentes familias de ondículas (Haar, Daubechies, etc.) y métodos de contracción.

4. Resultados y Validación

Los autores validaron el paquete utilizando un conjunto de datos simulado que contiene dos funciones componentes:

1. $\alpha_1(x)$: Una función suave ($sin(5x)e^{-x^2}$).
2. $\alpha_2(x)$: Una función con discontinuidades (función escalón).

• Desempeño de Splines: Logró estimar con precisión la función suave $\alpha_1(x)$. Sin embargo, falló al recuperar las discontinuidades de $\alpha_2(x)$, produciendo un efecto de suavizado no deseado (fenómeno de Gibbs).
• Desempeño de Ondecitas: Recuperó exitosamente tanto la forma general de $\alpha_1(x)$ como las discontinuidades de $\alpha_2(x)$, demostrando su superioridad para manejar características locales y no suaves.
• Conclusión de la prueba: La elección del método debe depender de la naturaleza de las funciones subyacentes; las ondículas son superiores para señales con cambios abruptos.

5. Significado e Impacto

Este trabajo es significativo por varias razones:

• Accesibilidad: Pone a disposición de la comunidad científica herramientas de código abierto para problemas complejos de calibración en quimiometría y otras áreas, que anteriormente requerían implementaciones ad-hoc o métodos multivariados menos flexibles (como PCR o PLS).
• Avance en FDA: Integra técnicas modernas de análisis de datos funcionales (ondículas y splines) específicamente para el problema de descomposición de datos agregados.
• Aplicabilidad Práctica: Facilita la estimación de concentraciones químicas de manera más rápida y barata, optimizando procesos industriales y de laboratorio al evitar análisis destructivos o costosos.
• Robustez: La inclusión de métodos Bayesianos para la selección de coeficientes en ondículas mejora la estabilidad de las estimaciones frente al ruido en los datos.

En resumen, el paquete FunctionalCalibration proporciona un marco robusto y flexible para la descomposición de señales agregadas, permitiendo a los investigadores seleccionar la herramienta matemática adecuada (splines para suavidad, ondículas para discontinuidades) según la naturaleza de sus datos.