Effective Sample Size for Functional Spatial Data

Résumé Technique : Taille d'Échantillon Effective pour les Données Spatiales Fonctionnelles

Énoncé du Problème
Le concept de Taille d'Échantillon Effective (ESS - Effective Sample Size) est une métrique bien établie en géostatistique pour les champs aléatoires scalaires, quantifiant la quantité d'informations indépendantes dans un ensemble de données en tenant compte de la redondance causée par la corrélation spatiale. Cependant, l'extension de l'ESS aux données spatiales fonctionnelles — où les observations sont des fonctions indexées par une localisation spatiale — reste largement inexplorée. Les méthodologies existantes pour les données scalaires ne peuvent pas traiter directement la double complexité des ensembles de données spatiales fonctionnelles : la dépendance intrinsèque au sein des courbes fonctionnelles (par exemple, la lissité au cours du temps ou de la profondeur) et la dépendance spatiale entre les observations à différentes localisations. Sans une définition formelle, les chercheurs manquent d'un outil pour quantifier la redondance ou déterminer le nombre effectif d'observations de fonctions indépendantes dans ces ensembles de données.

Méthodologie
Les auteurs proposent une nouvelle définition de l'ESS fonctionnelle dans un cadre d'espace de Hilbert, spécifiquement $L^2([0, 1])$. La méthodologie procède selon les étapes suivantes :

1. Cadre Théorique : Les auteurs définissent un champ aléatoire fonctionnel $\{\chi_s : s \in \mathbb{R}^d\}$ où chaque observation est une fonction de carré intégrable. Ils supposent une stationnarité et une isotropie faibles, décrivant la dépendance spatiale via un opérateur de covariance.
2. Trace-Covariogramme : Pour réduire l'opérateur de covariance de dimension infinie en un résumé scalaire traitable, les auteurs utilisent la trace-covariogramme, définie par $\sigma_{tr}(h) = \int_0^1 \sigma_h(t, t) dt$. Cette mesure scalaire capture la covariance agrégée entre les observations fonctionnelles séparées par une distance $h$.
3. Définition de l'ESS Fonctionnelle : Adaptant la définition scalaire de Griffith (2005), l'ESS fonctionnelle ($ESS_F$) est définie par :
   $$ESS_F = \frac{n^2 \sigma_{tr}(0)}{\sum_{i=1}^n \sum_{j=1}^n \sigma_{tr}(\|s_i - s_j\|)}$$
   où $n$ est la taille d'échantillon nominale et $\sigma_{tr}(0)$ est la trace-variance.
4. Estimation : En pratique, la trace-covariogramme est inconnue. Les auteurs proposent de l'estimer via une trace-variogramme empirique (en utilisant la relation $\gamma_{tr}(h) = \sigma_{tr}(0) - \sigma_{tr}(h)$) et de l'ajuster à un modèle paramétrique (par exemple, Exponentiel, Sphérique, Gaussien) en utilisant une approche de moindres carrés. Un estimateur par substitution (plug-in) est ensuite calculé en utilisant les paramètres ajustés.
5. Propriétés Théoriques : L'article établit que sous des trace-covariogrammes non négatifs, $1 \leq ESS_F \leq n$. Il démontre en outre que l' $ESS_F$ se comporte de manière intuitive : elle est égale à $n$ en cas d'indépendance et à $1$ en cas de corrélation positive parfaite. De plus, les auteurs montrent que l'ajout d'une observation indépendante augmente strictement l'ESS fonctionnelle.

Contributions Clés et Résultats Illustratifs

• Extension Théorique : La principale contribution est la définition formelle de l'ESS pour les données spatiales fonctionnelles, jetant un pont entre l'analyse de données fonctionnelles (FDA) et la géostatistique.
• Analyse du Modèle FAR(1) : Pour illustrer le comportement de la mesure proposée, les auteurs analysent un processus Autorégressif Fonctionnel d'ordre 1 (FAR(1)). Ils dérivent une expression en forme close montrant que l'ESS fonctionnelle est la moyenne harmonique pondérée des ESS scalaires des processus projetés sur les fonctions propres de l'opérateur de covariance. Des études numériques démontrent que :
  • Une dépendance temporelle plus forte (coefficients autorégressifs plus élevés) réduit l'ESS fonctionnelle.
  • Une décroissance plus lente de la variance du bruit à travers les directions propres (augmentant le nombre de composantes actives) augmente l'ESS fonctionnelle.
• Application de Données Réelles : La méthodologie est appliquée à un ensemble de données de vitesses verticales géométriques dans l'Océan Pacifique (données NCEP GODAS), comprenant 600 localisations spatiales avec des profils de vitesse mesurés à 22 niveaux de profondeur.
  • Trois modèles paramétriques (Exponentiel, Sphérique, Gaussien) ont été ajustés à la trace-variogramme empirique.
  • Les valeurs estimées de l' $ESS_F$ se situaient entre environ 42 et 105, suggérant que seulement 17 % à 25 % de l'échantillon original est nécessaire pour capturer l'essentiel de l'information statistique.
  • Validation : Les auteurs ont validé ces résultats en construisant des boîtes à moustaches fonctionnelles (functional boxplots) et en comparant l'ensemble complet de données à des sous-échantillons aléatoires de taille 106 (l'ESS maximum estimé). Les métriques numériques (écarts de médiane, différences de largeur de la région centrale et proportions d'inclusion) ont confirmé que les sous-échantillons ressemblaient étroitement à l'ensemble des données, soutenant visuellement et statistiquement la quantification de la redondance.

Signification et Revendications
L'article affirme que l'ESS fonctionnelle proposée fournit une mesure interprétable et significative pour quantifier la redondance dans les ensembles de données spatiales fonctionnelles. Sa signification réside dans sa capacité à :

1. Guider le Sous-échantillonnage : Elle offre une méthode rigoureuse pour sélectionner un ensemble réduit d'observations, ce qui est particulièrement précieux dans des contextes pratiques où la collecte de données est coûteuse ou rare (par exemple, la surveillance océanographique).
2. Préserver l'Information : Les auteurs démontrent que la sélection d'une fraction des données (par exemple, 17 % dans le cas de la vitesse océanique) peut conserver les caractéristiques statistiques clés de l'ensemble des données, y compris la localisation et la dispersion fonctionnelles.
3. Gérer la Structure Fonctionnelle : L'approche accommode naturellement les non-stationnarités le long du domaine fonctionnel (par exemple, les variations de la vitesse avec la profondeur océanique) en représentant les profils comme des fonctions plutôt que comme des vecteurs discrets.

Les auteurs concluent en notant que si le présent travail traite des champs fonctionnels univariés isotropes, les futures directions de recherche incluent l'extension du cadre aux champs fonctionnels spatiaux multivariés (prenant en compte les corrélations croisées), aux champs anisotropes, et le développement de la quantification de l'incertitude (propriétés asymptotiques) de l'estimateur.