📊 statistics

Projection depth for functional data: Practical issues, computation and applications

Cet article examine les aspects pratiques, les méthodes de calcul et les applications de la profondeur de projection régularisée (RPD) pour les données fonctionnelles, démontrant son efficacité supérieure dans des tâches telles que la détection d'outliers, la classification et les tests d'hypothèses grâce à une approche de projection aléatoire et à une analyse de son paramètre de régularisation.

Auteurs originaux : Filip Bočinec, Stanislav Nagy, Hyemin Yeon

Publié 2026-02-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Filip Bočinec, Stanislav Nagy, Hyemin Yeon

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un chef d'orchestre face à une partition de musique complexe. Chaque note est une donnée, et la partition entière est une "donnée fonctionnelle" (une courbe qui évolue dans le temps). Votre but ? Trouver la note centrale, repérer les fausses notes (les anomalies) ou classer les musiciens en deux groupes.

Le problème, c'est que les courbes ne sont pas comme des points simples sur une feuille. Elles ont des formes, des courbes, des bosses. Les méthodes statistiques classiques, qui fonctionnent bien pour des points simples, se perdent souvent dans cette complexité de formes.

C'est là qu'intervient l'article que vous avez soumis. Il présente une nouvelle méthode appelée Profondeur de Projection Régularisée (RPD). Voici une explication simple, avec des images du quotidien, de ce que font les auteurs.

1. Le concept de base : La "Profondeur"

Imaginez que vous avez un tas de boules de différentes tailles et formes dans un bocal.

Les méthodes classiques regardent la position des boules. Si une boule est au centre, elle est "profonde". Si elle est sur le bord, elle est "peu profonde".
Le problème avec les courbes : Parfois, une courbe est au centre géométrique, mais elle a une forme bizarre (une bosse là où il ne devrait pas y en avoir). Les méthodes classiques ne voient pas cette "bizarre forme" et disent : "Ah, elle est au centre, donc elle est normale". C'est une erreur !

La RPD est comme un scanner 3D intelligent. Au lieu de regarder juste la position, elle regarde la courbe sous tous les angles possibles (comme tourner une sculpture devant une lampe pour voir toutes ses ombres). Elle cherche l'angle où la courbe semble la plus "étrange" par rapport à la moyenne.

2. Le problème du "trop d'angles" (La dégénérescence)

L'idée de regarder sous tous les angles est géniale, mais mathématiquement, dans un monde infini de formes, cela peut devenir fou. C'est comme essayer de compter chaque grain de sable sur une plage : vous ne finirez jamais, et le résultat sera infini. C'est ce que les auteurs appellent une "dégénérescence".

La solution : Le "Filtre de Régularisation" (Le paramètre $\beta$ )
Pour éviter ce chaos, les auteurs ajoutent un filtre. Imaginez que vous ne regardez que les angles où la différence entre les courbes est "suffisamment grande" pour être intéressante.

Ils utilisent un paramètre, disons $u$ , qui agit comme un réglage de sensibilité sur votre appareil photo.
- $u$ petit (ex: 0,001) : Vous mettez le zoom au maximum. Vous voyez même les micro-défauts. C'est idéal pour repérer les anomalies (les fausses notes très subtiles).
- $u$ grand (ex: 0,5) : Vous zoomez moins. Vous regardez la forme globale. C'est idéal pour trouver le centre (la note moyenne) sans être perturbé par un petit grain de poussière sur la partition.

3. Comment ça marche en pratique ? (L'approche par "Hasard Contrôlé")

Calculer la profondeur exacte pour toutes les courbes possibles serait trop lent, comme essayer de goûter chaque goutte d'eau dans un océan.
Les auteurs proposent une astuce géniale : l'échantillonnage aléatoire.
Au lieu de tout calculer, ils tirent au sort des milliers d'angles (comme lancer des fléchettes sur un tableau) pour estimer la profondeur.

C'est comme si vous vouliez savoir si une soupe est salée. Au lieu de la boire toute entière, vous goûtez 10 000 petites cuillères prises au hasard. Si elles sont toutes salées, vous savez que la soupe l'est.
Grâce à cette méthode, le calcul est rapide et précis, même pour des données complexes.

4. À quoi ça sert ? (Les applications)

Les auteurs ont testé leur méthode dans quatre situations clés :

🕵️‍♂️ Chasse aux anomalies (Détection d'outliers) :
Imaginez un groupe de coureurs qui ont tous la même allure. L'un d'eux trébuche ou court à l'envers.
- Résultat : La RPD (avec un réglage fin) repère immédiatement le coureur bizarre, même s'il court à la même vitesse que les autres. Les anciennes méthodes, elles, pensaient qu'il était normal car il était "au milieu" du groupe.
🧠 Classification (Trier les données) :
Imaginez que vous devez trier des feuilles d'arbres en deux tas : "Chênes" et "Châtaigniers". Parfois, les feuilles se ressemblent beaucoup, mais leur forme est légèrement différente.
- Résultat : La RPD réussit à séparer les deux groupes avec une précision incroyable, là où les autres méthodes se trompent souvent car elles ne voient que la taille de la feuille, pas sa forme.
⚖️ Comparaison de groupes (Test d'hypothèse) :
Est-ce que deux groupes de patients réagissent différemment à un médicament ?
- Résultat : La RPD détecte les différences subtiles dans la forme de la réaction (la courbe de guérison) que les autres méthodes ignorent.
🛡️ Estimation robuste (Trouver le centre) :
Si vous voulez trouver la "moyenne" d'un groupe de personnes, mais que 10% d'entre elles sont des extraterrestres géants qui faussent tout.
- Résultat : La RPD (avec un réglage moins sensible) ignore les extraterrestres et vous donne la vraie moyenne humaine. Les autres méthodes seraient complètement faussées par les géants.

En résumé

Cet article propose un nouvel outil de mesure pour les données complexes (les courbes).

Il est plus intelligent que les anciens outils car il comprend la forme et pas juste la position.
Il est flexible : on peut le régler pour être un détective très pointilleux (trouver les erreurs) ou un juge pondéré (trouver la moyenne).
Il est rapide grâce à une astuce mathématique qui utilise le hasard de manière intelligente.

C'est comme passer d'une simple règle en bois à un scanner laser intelligent pour analyser le monde qui nous entoure.

1. Problématique et Contexte

L'analyse statistique des données fonctionnelles (des courbes ou des fonctions observées) est rendue complexe par la nature infinie de leur dimension et leurs motifs de forme complexes. Pour ordonner et analyser ces données, la notion de profondeur statistique (statistical depth) est utilisée comme extension des profondeurs multivariées (comme la profondeur de demi-espace ou de Tukey) au cadre fonctionnel. Elle permet de mesurer la centralité d'une observation par rapport à un nuage de données.

Cependant, les méthodes de profondeur existantes peinent souvent à capturer les différences de forme (shape features) lorsque les données sont centrées mais présentent des variations structurelles subtiles. De plus, la généralisation directe de la profondeur de projection (projection depth) aux espaces de Hilbert de dimension infinie conduit à une dégénérescence : la profondeur peut devenir nulle presque partout, rendant la méthode inutilisable.

L'objectif de cet article est d'explorer les aspects pratiques de la Profondeur de Projection Régularisée (RPD - Regularized Projection Depth), récemment proposée théoriquement par Bočinec et al. (2026), en se concentrant sur le choix de ses paramètres, son calcul efficace et ses performances dans diverses tâches statistiques.

2. Méthodologie

2.1. Définition de la RPD Régularisée

La profondeur de projection classique mesure l'éloignement d'un point $x$ dans une direction $v$ via la médiane et l'écart absolu médian (MAD) des projections. En dimension infinie, le supremum de cet éloignement sur toutes les directions peut être infini.

Pour résoudre ce problème, les auteurs utilisent une régularisation basée sur un paramètre $\beta > 0$ . L'ensemble des directions considérées est restreint à :
$V_\beta = \{v \in S : \text{MAD}[\langle X, v \rangle] \ge \beta\}$
La profondeur est alors définie comme l'infimum de l'inverse de l'éloignement sur cet ensemble restreint. Cela garantit que la profondeur est strictement positive et bien définie.

2.2. Sélection du Paramètre de Régularisation (Quantile)

Au lieu de fixer $\beta$ arbitrairement, les auteurs proposent de le choisir comme le quantile de niveau $u$ (avec $u \in (0, 1)$ ) de la distribution des MAD des projections aléatoires.

Avantage : Cette approche rend le paramètre adaptatif aux données.
Interprétation : Un $u$ plus petit correspond à une régularisation plus faible (plus de directions incluses), ce qui rend la profondeur plus sensible aux détails de forme. Un $u$ plus grand correspond à une régularisation plus forte (réduction de dimension effective), augmentant la robustesse.

2.3. Algorithme de Calcul Stochastique

Le calcul exact de l'infimum sur un ensemble infini de directions est impossible. Les auteurs proposent une approximation stochastique :

Échantillonner un grand nombre de directions aléatoires.
Estimer le paramètre $\beta$ via un quantile empirique sur un sous-échantillon de directions.
Calculer la profondeur en minimisant l'éloignement sur un ensemble fini de $M$ directions tirées de la distribution conditionnelle aux directions valides.
Cette méthode est justifiée théoriquement par des résultats de consistance (convergence presque sûre lorsque le nombre de directions tend vers l'infini).

3. Contributions Clés

Justification Théorique de l'Approche Adaptative : Les auteurs démontrent que le choix du paramètre $\beta$ via un quantile préserve les propriétés théoriques essentielles de la RPD, notamment la non-dégénérescence, la consistance de l'estimateur empirique, et un point de rupture (breakdown point) de $1/2$ pour la médiane induite (sous des conditions de régularité).
Algorithme Efficace : Développement d'une méthode de calcul basée sur des projections aléatoires, implémentée dans un package R (RPD), rendant la méthode applicable à des jeux de données fonctionnels réels.
Analyse Comparative Étendue : Évaluation systématique de la RPD par rapport à d'autres profondeurs fonctionnelles (Profondeur de Demi-Espace Régularisée - RHD, Profondeur Intégrée - FD, Profondeur de Bande Modifiée - MBD, etc.) sur quatre tâches statistiques majeures.

4. Résultats Expérimentaux

Les simulations couvrent quatre domaines d'application :

A. Détection d'Anomalies (Outlier Detection)

Scénarios : Anomalies de magnitude, de phase, de covariance, et surtout de forme (anomalies centrales qui ne s'écartent pas verticalement mais changent de structure).
Résultat : La RPD (avec un petit $u$ , ex. 0.001) surpasse systématiquement les autres méthodes, en particulier pour les anomalies de forme (Modèles D5 et D6). Les autres méthodes (FD, MBD) échouent souvent car elles se basent sur des écarts verticaux ponctuels et ignorent les changements de forme globaux.

B. Classification Supervisée

Scénarios : Distinction entre deux groupes de fonctions avec des différences de moyenne, de saut central ou de dimension.
Résultat : La RPD permet une séparation quasi parfaite des groupes, même lorsque les différences sont purement structurelles (Modèle C3). Les transformées DD (Depth-Depth) basées sur la RPD permettent à un classifieur linéaire simple d'atteindre des taux d'erreur très faibles, là où les autres profondeurs échouent.

C. Tests d'Hypothèse (Égalité de Lois)

Méthode : Utilisation du test de Kruskal-Wallis basé sur les rangs de profondeur.
Résultat : Les tests basés sur la RPD maintiennent un niveau de signification correct (taille empirique proche de 5%) et une puissance élevée, notamment pour détecter des différences de forme. Les autres profondeurs produisent souvent des tests sur-dimensionnés (faux positifs) ou manquent de puissance.

D. Estimation Robuste de la Localisation

Scénarios : Estimation de la médiane fonctionnelle en présence de contamination (décalage, amplitude, phase, forme, pics).
Résultat : La médiane induite par la RPD est très robuste. En augmentant le paramètre de régularisation $u$ (ex. 0.5), la méthode devient moins sensible aux outliers de forme tout en conservant une bonne précision. Contrairement à la RHD qui utilise une covariance classique (non robuste), la RPD utilise le MAD, offrant une meilleure stabilité face à des décalages massifs.

5. Signification et Conclusion

Cet article établit la Profondeur de Projection Régularisée (RPD) comme un outil supérieur pour l'analyse des données fonctionnelles, en particulier lorsque les caractéristiques de forme sont cruciales.

Avantage Principal : Sa capacité à détecter des anomalies et à discriminer des groupes basés sur la géométrie globale de la courbe, là où les méthodes traditionnelles échouent.
Flexibilité : Le paramètre $u$ permet d'ajuster le compromis entre sensibilité aux détails (petit $u$ ) et robustesse (grand $u$ ).
Praticabilité : Grâce à l'algorithme d'approximation stochastique, la RPD est désormais calculable et applicable à des problèmes réels, comblant le fossé entre la théorie mathématique complexe et la pratique statistique.

En résumé, la RPD offre une alternative robuste, théoriquement fondée et performante pour l'analyse de données fonctionnelles complexes, surpassant les méthodes existantes dans les tâches de détection d'anomalies, de classification et de test d'hypothèse.