Robust measures of dispersion for circular data with an anomaly detection rule

1. समस्या विवरण

वृत्ताकार डेटा (कोण, दिशाएं, आवधिक अवलोकन) जीव विज्ञान और पर्यावरण विज्ञान जैसे क्षेत्रों में प्रचलित हैं। इस प्रकार के डेटा के लिए मानक सांख्यिकीय माप, विशेष रूप से वृत्ताकार मानक विचलन (Circular Standard Deviation - CSD), आउटलेर्स (outliers) के प्रति अत्यधिक संवेदनशील होते हैं। एक एकल विसंगत अवलोकन CSD को अत्यधिक बढ़ा सकता है, जिससे डेटा के फैलाव के बारे में भ्रामक निष्कर्ष निकल सकते हैं। जबकि स्थान के मजबूत मापों (जैसे कि वृत्ताकार माध्यिका/circular median) के लिए स्थापित विधियाँ मौजूद हैं, वृत्ताकार डेटा के लिए फैलाव (dispersion) के मजबूत मापों पर सीमित ध्यान दिया गया है। मौजूदा विधियों में अक्सर कठोर सैद्धांतिक विश्लेषण (जैसे प्रभाव फलन/influence functions, ब्रेकडाउन मान/breakdown values) की कमी होती है या वे "मास्किंग प्रभाव" (masking effect) से ग्रस्त होती हैं, जहाँ कई आउटलेर्स एक-दूसरे को छिपा देते हैं।

2. कार्यप्रणाली

लेखक तीन मजबूत फैलाव मापों का प्रस्ताव और विश्लेषण करते हैं जो रैखिक सांख्यिकी (linear statistics) से वृत्ताकार डोमेन में अनुकूलित हैं:

1. वृत्ताकार माध्य निरपेक्ष विचलन (Circular Median Absolute Deviation - CMAD): इसे वृत्ताकार माध्यिका से लघुतम चाप दूरियों (shortest arc distances) की माध्यिका के रूप में परिभाषित किया गया है।
2. वृत्ताकार न्यूनतम माध्य प्रसार (Circular Least Median Spread - CLMS): यह लीस्ट मीडियन ऑफ स्क्वायर्स (LMS) का एक विस्तार है। इसे वृत्त पर एक बिंदु से डेटा की न्यूनतम माध्यिका दूरी के रूप में, या समकक्ष रूप से, उस लघुतम चाप की आधी लंबाई के रूप में परिभाषित किया गया है जिसमें कम से कम 50% प्रायिकता द्रव्यमान (probability mass) समाहित है।
3. वृत्ताकार न्यूनतम ट्रिम्ड मानक विचलन (Circular Least Trimmed Standard Deviation - CLTS): यह लीस्ट ट्रिम्ड स्क्वायर्स (LTS) का एक विस्तार है। यह उन सभी चापों पर गणना किया गया न्यूनतम वृत्ताकार मानक विचलन है जिनमें कम से कम 50% डेटा समाहित है।

सैद्धांतिक विश्लेषण:

• प्रभाव फलन (Influence Functions - IF): लेखकों ने सूक्ष्म संदूषण (infinitesimal contamination) के प्रभाव को मापने के लिए तीनों मापों के लिए IF व्युत्पन्न किया। उन्होंने पाया कि CMAD और CLMS का IF ढांचा समान (piecewise constant) है, जबकि CLTS का आकार भिन्न है (जो मोड के पास $-\cos(\theta)$ जैसा दिखता है)।
• ब्रेकडाउन मान (Breakdown Values): उन्होंने ब्रेकडाउन मानों (अधिकतम आउटलेर्स का अंश जिसे एक विधि विफल होने से पहले सहन कर सकती है) की गणना की।
  • CMAD: एक अद्वितीय वृत्ताकार माध्यिका की आवश्यकता के कारण, यह 0.5 के सैद्धांतिक अधिकतम तक नहीं पहुँच पाता है।
  • CLMS और CLTS: दोनों 0.5 का इष्टतम ब्रेकडाउन मान प्राप्त करते हैं, जिसका अर्थ है कि वे 50% संदूषण को सहन कर सकते हैं।
• पूर्वाग्रह और दक्षता (Bias and Efficiency): अध्ययन ने संदूषण के तहत सापेक्ष पूर्वाग्रह वक्रों और मैक्सिमम लाइक्लीहुड एस्टिमेटर्स (MLE) के साथ एसिम्प्टोटिक रिलेटिव एफिशिएंसी (ARE) की गणना की।

पैरामीटर अनुमान और विसंगति पहचान (Anomaly Detection):

• लेखकों ने वॉन मिसेस वितरण (von Mises distribution) के एकाग्रता पैरामीटर ($\kappa$) और रैप्ड नॉर्मल वितरण (Wrapped Normal distribution) के फैलाव पैरामीटर ($\sigma$) के लिए मजबूत अनुमानक (estimators) का निर्माण किया, जो मजबूत फैलाव मापों और जनसंख्या CSD के बीच संबंधों को उलटने (inverting) पर आधारित है।
• विसंगति पहचान नियम (Anomaly Detection Rule): एक नियम विकसित किया गया जहाँ एक बिंदु को आउटलेयर के रूप में चिह्नित किया जाता है यदि उसकी लघुतम चाप दूरी फिट किए गए मजबूत मॉडल के कटऑफ मान ($c_\alpha$) से अधिक हो। यह कटऑफ फिट किए गए मॉडल के $1-\alpha/2$ क्वांटाइल से प्राप्त किया गया है।
• दृश्यीकरण (Visualization): एक नया ग्राफिकल टूल, वृत्ताकार वायलिन प्लॉट (Circular Violin Plot), पेश किया गया। यह एक गैर-पैरामीट्रिक घनत्व अनुमान (रेडियल रूप से प्रतिबिंबित) को वृत्ताकार बॉक्सप्लॉट (इंटरक्वार्टाइल रेंज और माध्यिका) के साथ जोड़ता है ताकि डेटा के संकेंद्रण को प्रदर्शित किया जा सके और आउटलेर्स को चिह्नित किया जा सके।

3. मुख्य योगदान

• मजबूत सांख्यिकी का विस्तार: इन्होंने तीन क्लासिक रोबस्ट स्केल एस्टिमेटर्स (MAD, LMS, LTS) को सफलतापूर्वक वृत्ताकार डोमेन में विस्तारित किया और उनका पहला कठोर सैद्धांतिक विश्लेषण (IF, bias, breakdown) प्रदान किया।
• CLMS को श्रेष्ठ के रूप में पहचानना: सिमुलेशन और सैद्धांतिक तुलना के माध्यम से, यह शोध पत्र CLMS को सर्वश्रेष्ठ प्रदर्शन करने वाले एस्टिमेटर के रूप में पहचानता है। यह उच्चतम ब्रेकडाउन मान (0.5), प्रतिस्पर्धी दक्षता (उच्च एकाग्रता पर लगभग 37%, रैखिक LMS के समान), और संदूषण के तहत सबसे कम सापेक्ष पूर्वाग्रह प्रदान करता है।
• मजबूत विसंगति पहचान ढांचा: एक पहचान नियम विकसित किया गया जो क्रमिक विलोपन विधियों (sequential deletion methods) में सामान्य मास्किंग प्रभाव से बचता है। केवल केंद्रीय 50% डेटा (CLMS) पर निर्भर रहकर, यह विधि कई आउटलेर्स के साथ भी स्थिर रहती है।
• वृत्ताकार वायलिन प्लॉट: एक नवीन दृश्य नैदानिक तकनीक पेश की गई जो वृत्ताकार मैनिफोल्ड पर घनत्व, केंद्रीय प्रवृत्ति और आउटलेर्स को प्रभावी ढंग से प्रदर्शित करती है, जो पारंपरिक वृत्ताकार बॉक्सप्लॉट की सीमाओं को पार करती है।

4. परिणाम

• सिमुलेशन अध्ययन:
  • मीन शिफ्ट (Mean Shift) और पॉइंट मास (Point Mass) संदूषण मॉडलों (10% और 20% आउटलेर्स) के तहत, क्लासिकल MLE अत्यधिक पक्षपाती (biased) था।
  • मजबूत अनुमानक (CMAD, CLMS, CLTS) स्थिर रहे।
  • CLMS ने पूर्वाग्रह और स्थिरता के मामले में CLTS और CMAD की तुलना में लगातार बेहतर प्रदर्शन किया, विशेष रूप से रैप्ड नॉर्मल और वॉन मिसेस मॉडलों में।
• दक्षता: CLMS-आधारित अनुमानकों की एसिम्प्टोटिक रिलेटिव एफिशिएंसी एकाग्रता बढ़ने के साथ ~36.7% तक पहुँच जाती है (जो रैखिक LMS दक्षता के बराबर है), जिसे उच्च मजबूती को देखते हुए स्वीकार्य माना जाता है।
• वास्तविक डेटा अनुप्रयोग:
  1. उत्तरी क्रिकेट फ्रॉग्स (Northern Cricket Frogs): CLMS-आधारित कटऑफ का उपयोग करके एक ज्ञात आउटलेर की सफलतापूर्वक पहचान की गई, जो पिछले साहित्य के परिणामों से मेल खाती है लेकिन एक अधिक मजबूत ढांचे पर आधारित है।
  2. सार्डिनियन सी स्टार्स (Sardinian Sea Stars): प्रस्तावित विधि ने दो आउटलेर्स की सफलतापूर्वक पहचान की जिन्हें सिंगल-डिलीशन तकनीकों द्वारा मिस कर दिया गया था क्योंकि वे मास्किंग प्रभाव के कारण छिपे हुए थे। CLMS-आधारित कटऑफ इतना सटीक था कि उसने दोनों को चिह्नित किया, जबकि MLE-आधारित कटऑफ आउटलेर्स के कारण बढ़ गए थे।
  3. ड्रोसोफिला फ्लाई लार्वा (Drosophila Fly Larva): वृत्ताकार वायलिन प्लॉट ने दिखाया कि डेटा वॉन मिसेस वितरण (भारी पूंछ/heavy tails) में फिट नहीं बैठता है, जो इन्वर्स बैट्सचलेट (Inverse Batschelet) जैसे अलग मॉडल की आवश्यकता का सुझाव देता है, जो मॉडल चेकिंग के लिए इस टूल की उपयोगिता को प्रदर्शित करता है।

5. महत्व

यह कार्य दिशात्मक सांख्यिकी (directional statistics) में एक महत्वपूर्ण अंतर को भरता है, जो वृत्ताकार डेटा के फैलाव का अनुमान लगाने और आउटलेर्स का पता लगाने के लिए एक सैद्धांतिक रूप से सुदृढ़, मजबूत ढांचा प्रदान करता है। CLMS को इष्टतम अनुमानक के रूप में पहचानना विशेषज्ञों को एक विश्वसनीय उपकरण प्रदान करता है जो 50% संदूषण के प्रति प्रतिरोधी है। इसके अतिरिक्त, वृत्ताकार वायलिन प्लॉट वृत्ताकार डेटा के लिए एक शक्तिशाली दृश्य नैदानिक (visual diagnostic) उपकरण प्रदान करता है, जो पारिस्थितिकी से लेकर खगोल विज्ञान तक के क्षेत्रों में विसंगतियों का पता लगाने और वितरण संबंधी धारणाओं का आकलन करने की क्षमता को बढ़ाता है। R कोड की उपलब्धता सुनिश्चित करती है कि ये विधियाँ तत्काल अनुप्रयोग के लिए सुलभ हैं।