Depth-based estimation for multivariate functional data with phase variability

Sintesi Tecnica: Stima basata sulla profondità per dati funzionali multivariati con variabilità di fase

Problema
Il documento affronta la sfida statistica di stimare un modello comune sottostante (funzione template) per dati funzionali multivariati quando i dati presentano sia una variazione di fase individuale (warping temporale) sia una distorsione temporale tra le componenti. In molti campi scientifici, come l'analisi della crescita o l'analisi dei dati distribuzionali, gli individui sono osservati attraverso molteplici componenti funzionali (ad esempio, diverse strutture fisiologiche o distribuzioni marginali). Queste osservazioni soffrono spesso di due distinte fonti di variabilità di fase:

1. Variabilità individuale: Ogni soggetto ha una propria funzione di warping temporale.
2. Variabilità delle componenti: Diverse componenti del processo multivariato possono essere distorte da diverse funzioni deterministiche.

I metodi esistenti, come quelli di Carroll e Müller (2023), si affidano tipicamente a un approccio basato sulla registrazione: prima si stimano le funzioni di warping risolvendo problemi di minimizzazione, e poi si stima il pattern comune dal campione registrato. Tuttavia, questo processo sequenziale può essere computazionalmente intensivo e può mancare di robustezza contro le osservazioni atipiche (outlier). Inoltre, i metodi di registrazione standard spesso assumono forme parametriche specifiche o si affidano a stimatori basati sulla media, che sono sensibili agli outlier.

Metodologia
Gli autori propongono un framework di stima robusto e privo di registrazione basato sulla profondità dei dati funzionali (functional data depth). L'approccio si fonda sul Modello di Deformazione Latente (LDM) introdotto da Carroll e Müller (2023), dove una curva multivariata osservata $X_{ij}(t)$ per l'individuo $i$ e la componente $j$ è modellata come:
$$X_{ij}(t) = a_{ij} \lambda(\psi_j(h_i(t)))$$
Qui, $\lambda$ è la funzione di ampiezza incognita (curva latente), $\psi_j$ rappresenta le distorsioni deterministiche basate sulla componente, $h_i$ rappresenta le funzioni di warping temporale individuale e $a_{ij}$ sono fattori di scala.

Il nucleo della metodologia proposta prevede i seguenti passaggi:

1. Stima della Mediana basata sulla Profondità: Invece di minimizzare una perdita di registrazione, il metodo identifica la curva "più profonda" nel campione come lo stimatore per il pattern comune. Gli autori stabiliscono che se una misura di profondità funzionale ($FD$) soddisfa due proprietà chiave — invarianza sotto trasformazioni strettamente monotone e consistenza della mediana campionaria rispetto alla mediana della popolazione — la curva più profonda stima coerentemente la funzione target $\lambda$ (o $\lambda \circ \psi_j$ per componenti specifiche) anche in presenza di warping temporale.
2. Generalizzazione ai contesti Multivariati: Il metodo estende l'approccio univariate basato sulla profondità (Arribas-Gil e Romo, 2012) al LDM multivariato. Esso consente la stima diretta del pattern comune $\lambda$ aggregando le osservazioni tra le componenti, a condizione che la composizione dei processi di warping soddisfi specifiche condizioni di simmetria (Proposizione 3).
3. Gestione di Target non Monotoni: Per i casi in cui la funzione target $\lambda$ non è strettamente monotona, gli autori incorporano un "operatore di monotonizzazione" $T$ (come proposto da Dupuy et al., 2011) per trasformare le curve campionarie prima di applicare la mediana basata sulla profondità, garantendo la consistenza.
4. Strumento Diagnostico (WHyRA): Per validare l'assunzione critica del LDM secondo cui le funzioni di warping $h_i$ sono identiche in tutte le componenti, gli autori introducono il grafico Warping Hypograph Ranking Agreement (WHyRA). Questo strumento grafico visualizza la corrispondenza di rango delle stime delle funzioni di warping tra le componenti utilizzando l'Indice dell'Ipografo Modificato (MHI). Aiuta a rilevare violazioni dell'assunzione di warping condiviso.

Contributi Chiave

1. Stima Priva di Registrazione: Il documento propone un'alternativa al tipico processo in due fasi di registrazione-seguita-da-stima. Utilizzando la profondità funzionale, il pattern comune viene stimato direttamente dai dati osservati, non registrati, evitando la necessità di risolvere prima molteplici problemi complessi di minimizzazione per le funzioni di warping.
2. Condizioni Teoriche per la Consistenza: Gli autori derivano le condizioni necessarie affinché una misura di profondità funzionale fornisca una stima coerente nei modelli di warping temporale. Dimostrano che qualsiasi misura di profondità che soddisfi l'invarianza di monotonicità e la consistenza della mediana (come la Modified Band Depth, le Integrated Depths o le Quantile Integrated Depths) può essere utilizzata per stimare coerentemente la curva latente sotto il LDM.
3. Robustezza: L'approccio basato sulla profondità è intrinsecamente robusto agli outlier. A differenza degli stimatori basati sulla media usati nei metodi di registrazione, la mediana di profondità è meno influenzata dalle traiettorie atipiche.
4. Framework Diagnostico: L'introduzione del grafico WHyRA fornisce un metodo pratico e visivo per valutare la validità dell'assunzione di separabilità (ovvero che il warping individuale sia coerente tra le componenti), un aspetto cruciale per l'applicabilità del modello.

Risultati
Gli autori valutano il metodo attraverso estese simulazioni e applicazioni su dati reali:

• Performance nelle Simulazioni: Nelle simulazioni che confrontano il metodo basato sulla profondità con il metodo di registrazione di Carroll e Müller (2023) (CM), l'approccio basato sulla profondità ha dimostrato:
  • Superiorità sotto alta variabilità: All'aumentare della variabilità del warping temporale e della distorsione tra le componenti, il metodo basato sulla profondità ha prodotto errori quadratici integrati (LISE) inferiori per la funzione target stimata rispetto al metodo CM.
  • Efficienza Computazionale: Il metodo basato sulla profondità è stato significativamente più veloce (ad esempio, ~0,17s rispetto a ~11s per $p=4, n=50$) perché evita il processo iterativo di registrazione.
  • Sensibilità al Rumore: Le stime della funzione target e delle singole curve del metodo basato sulla profondità sono risultate più sensibili al rumore gaussiano additivo rispetto alle stime basate sulla media del metodo CM, un compromesso intrinseco ai metodi basati sulla mediana robusta.
  • Robustezza agli Outlier: In simulazioni con dati contaminati (outlier generati da una diversa funzione di ampiezza), il metodo basato sulla profondità ha mantenuto una migliore performance nella stima della vera funzione comune rispetto al metodo CM.
• Applicazioni su Dati Reali: Il metodo è stato applicato a due dataset:
  1. Estensione del Ghiaccio nell'Oceano Artico: Analisi di dati funzionali multivariati nel tempo.
  2. Distribuzioni dell'Età Materna in Europa: Esame delle distribuzioni attraverso diversi paesi.
     In entrambi i casi, il metodo ha identificato con successo i pattern comuni e ha rilevato osservazioni atipiche o deviazioni dalle assunzioni del modello, dimostrando la sua utilità nell'analisi esplorativa dei dati.

Significatività e Rivendicazioni
Il documento sostiene che la sua principale significatività risieda nel fornire un'alternativa robusta, efficiente e teoricamente fondata ai metodi tradizionali basati sulla registrazione per dati funzionali multivariati con variabilità di fase. Spostando l'attenzione dalla minimizzazione degli errori di warping alla massimizzazione della profondità dei dati, gli autori offrono una procedura che:

• Evita l'onere computazionale di risolvere molteplici problemi di registrazione.
• Fornisce una stima coerente sotto condizioni più ampie riguardanti i processi di warping (richiedendo specificamente la simmetria centrale piuttosto che la sola identità della media).
• Offre un meccanismo integrato (WHyRA) per diagnosticare la validità del modello, un aspetto spesso trascurato nei normali pipeline di registrazione.

Gli autori notano con modestia che, sebbene il loro metodo eccella in robustezza e velocità, potrebbe essere meno efficiente dei metodi basati sulla media in scenari dominati da elevato rumore gaussiano additivo. Essi sottolineano che il loro contributo è l'estensione dei risultati di consistenza della profondità al LDM multivariato e lo sviluppo di uno strumento diagnostico per supportare le assunzioni del modello, piuttosto che un sostituto universale per tutte le tecniche di registrazione.