📊 statistics

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

Questo lavoro estende misure di dispersione robuste dai dati lineari a quelli circolari per stimare parametri di distribuzioni come quella di von Mises e normale avvolta, valutandone l'efficienza statistica e sviluppando un nuovo metodo di rilevamento degli outlier applicato a dataset reali.

Autori originali: Houyem Demni, Mia Hubert, Giovanni C. Porzio, Peter J. Rousseeuw

Pubblicato 2026-03-03

📖 5 min di lettura🧠 Approfondimento

CC0 1.0

Autori originali: Houyem Demni, Mia Hubert, Giovanni C. Porzio, Peter J. Rousseeuw

Articolo originale dedicato al pubblico dominio sotto CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di essere un capitano di una nave che deve navigare in un oceano di dati. Ma invece di coordinate nord-sud ed est-ovest su una mappa piatta, i tuoi dati sono come bussoline che girano su un cerchio. Possono indicare il nord (0 gradi), il sud (180 gradi), o qualsiasi direzione intermedia. Questo è il mondo dei dati circolari: pensaci come alle direzioni del vento, agli orari del giorno, o al modo in cui gli animali si muovono.

Il problema? A volte, nel tuo oceano di dati, ci sono delle "tempeste" improvvise: anomalie. Un dato che non c'entra nulla, un errore di misurazione, o un comportamento strano. Se usi i metodi classici per misurare quanto i tuoi dati sono "sparsi" (la dispersione), queste tempeste possono farti perdere la rotta, ingrandendo artificialmente la tua mappa e facendoti credere che i dati siano molto più caotici di quanto non siano in realtà.

Questo articolo scientifico è come una bussola robusta e un nuovo tipo di mappa progettati per non farsi ingannare dalle tempeste. Ecco cosa fanno, spiegato in modo semplice:

1. Il Problema: La "Riga" che non funziona sul cerchio

Immagina di misurare la distanza tra due persone su una linea retta: è facile. Ma su un cerchio? Se una persona è a 359 gradi e l'altra a 1 grado, sono vicinissime (1 grado di distanza), anche se sulla "riga" sembrerebbero lontane 358 gradi.
I metodi vecchi (come la "deviazione standard circolare") sono come un bambino che usa un righello su un cerchio: se c'è un punto fuori posto (un'anomalia), tutto il calcolo esplode. È come se un solo passeggero che urla sulla nave facesse credere al capitano che l'intera nave stia tremando violentemente.

2. La Soluzione: Tre "Scudi" Robusti

Gli autori hanno preso tre strumenti famosi usati per i dati lineari (su una riga) e li hanno adattati per il cerchio. Immaginali come tre diversi tipi di scudi per proteggere le tue misurazioni:

CMAD (La Media delle Medie): È come chiedere a metà dei tuoi dati: "Qual è la distanza media dal centro?". Se un dato è fuori posto, non conta perché la "mediana" ignora gli estremi. È un metodo solido, ma a volte un po' rigido.
CLMS (Il Cerchio più Piccolo): Immagina di dover coprire la metà dei tuoi dati con un arco di cerchio. Questo metodo cerca l'arco più piccolo possibile che contiene il 50% dei dati. È come cercare il "nucleo" più compatto della tua nave, ignorando chi è saltato fuori bordo. È molto resistente.
CLTS (La Taglia Ottimale): Questo è come prendere un gruppo di dati, scartare i peggiori 50% (i più rumorosi) e calcolare la dispersione solo sui "buoni". È un metodo che taglia via il rumore per vedere la verità.

Dopo averli testati, hanno scoperto che il CLMS (il secondo scudo) è il migliore: è quello che resiste meglio alle tempeste senza perdere la rotta.

3. La Nuova Mappa: Il "Violino Circolare"

Fino ad ora, vedere le anomalie sui cerchi era difficile. Gli autori hanno creato uno strumento visivo geniale chiamato Violino Circolare.

Immagina un normale grafico a violino (quelli che sembrano corpi di violini musicali usati per mostrare la densità dei dati).
Ora immagina di piegare quel violino e chiuderlo in un cerchio perfetto.
La "pancia" del violino mostra dove si trovano la maggior parte dei dati (il cuore della nave).
Se ci sono dei punti che stanno fuori dal violino, sono i "pirati": le anomalie!

Questo disegno ti permette di vedere immediatamente se i tuoi dati sono ordinati o se c'è del caos nascosto, tutto in un'unica immagine rotonda.

4. Le Avventure Reali (I Casi Studio)

Gli autori hanno usato questi strumenti su tre storie vere:

Le Rane: Hanno analizzato la direzione in cui saltano le rane. Hanno trovato un "pirata" (una rana che saltava nella direzione sbagliata) che i metodi vecchi avevano nascosto.
Le Stelle Marine: Questo è il caso più famoso. C'erano due stelle marine che si comportavano in modo strano. I metodi vecchi non le vedevano perché si "nascondevano" a vicenda (effetto mascheramento). Il nuovo metodo le ha smascherate entrambe, rivelando che una stava andando verso la riva e l'altra si era persa.
La Mosca Drosophila: Hanno guardato il movimento di una larva di mosca. Il violino circolare ha mostrato che i dati non erano così ordinati come pensavano: la mosca aveva un comportamento molto più "selvaggio" e imprevedibile di quanto un modello semplice potesse spiegare.

In Sintesi

Questo lavoro ci dice che quando guardiamo dati che girano in tondo (come le direzioni, gli orari o i cicli), non possiamo usare le regole vecchie. Dobbiamo usare strumenti robusti che non si spaventano per un dato strano, e dobbiamo guardare i dati con occhi nuovi (come il violino circolare) per vedere la verità nascosta dietro il rumore.

È come passare da una mappa di carta che si strappa con un solo graffio a un GPS satellitare che continua a funzionare anche durante un uragano.

Sintesi Tecnica: Misure di Dispersione Robuste per Dati Circolari con Regola di Rilevamento delle Anomalie

1. Il Problema

Le variabili circolari (angoli, direzioni, osservazioni periodiche) sono comuni in campi come la biologia e le scienze ambientali. Un problema critico nell'analisi di questi dati è la stima robusta della dispersione. Le misure classiche, come la Deviazione Standard Circolare (CSD), sono estremamente sensibili ai valori anomali (outlier).

Esempio illustrativo: Nel dataset delle stelle marine sarde, la presenza di due osservazioni anomale fa aumentare la CSD da 0.36 a 0.58, distorcendo la percezione della variabilità reale.
Limiti attuali: Sebbene esistano misure robuste per la posizione (es. mediana circolare), le misure di dispersione robuste per dati circolari sono state poco studiate. La Deviazione Assoluta Mediana Circolare (CMAD) è stata utilizzata in passato, ma non è stata analizzata con gli strumenti della statistica robusta (funzione di influenza, valore di rottura). Inoltre, mancano estensioni circolari di metodi robusti lineari noti come Least Median Squares (LMS) e Least Trimmed Squares (LTS).

2. Metodologia

Gli autori estendono tre misure di dispersione robuste dal dominio lineare a quello circolare:

CMAD (Circular Median Absolute Deviation): Estensione della MAD lineare. È definita come la mediana delle distanze dell'arco più breve tra ogni osservazione e la mediana circolare unica.
CLMS (Circular Least Median Spread): Estensione del LMS. È la minima mediana delle distanze di una variabile casuale da un punto qualsiasi sul cerchio. Equivale alla metà della lunghezza dell'arco più breve che contiene almeno il 50% della distribuzione di probabilità.
CLTS (Circular Least Trimmed Standard Deviation): Estensione del LTS. È la minima CSD calcolata su archi che contengono almeno il 50% della massa di probabilità.

Analisi Teorica:

Funzioni di Influenza (IF): Gli autori derivano le funzioni di influenza per CMAD, CLMS e CLTS. I risultati mostrano che CMAD e CLMS hanno la stessa funzione di influenza per distribuzioni simmetriche unimodali (come la von Mises), mentre CLTS ha una forma diversa.
Bias Relativo: Viene studiata la distorsione relativa sotto contaminazione. Le misure robuste mostrano un bias molto inferiore rispetto alla CSD classica, specialmente ad alti livelli di concentrazione ( $\kappa$ ).
Valori di Rottura (Breakdown Values):
- CMAD: Il valore di rottura è inferiore a 0.5 (a differenza della MAD lineare), dipendendo dalla probabilità di un semicerchio.
- CLMS e CLTS: Entrambi raggiungono il valore di rottura massimo teorico di 0.5, rendendoli estremamente robusti contro la presenza di outlier.
Efficienza Asintotica (ARE): Vengono calcolate le efficienze relative rispetto al Maximum Likelihood Estimator (MLE) per le distribuzioni von Mises e Normali Avvolte (Wrapped Normal).
- CLMS e CMAD mostrano un'efficienza superiore a CLTS.
- Per $\kappa \to \infty$ (distribuzione von Mises che diventa simile alla normale lineare), l'efficienza di CLMS/CMAD converge al 36.74% (tipico della MAD lineare), mentre CLTS converge al 30.67% (tipico del LTS lineare).

3. Contributi Chiave

Definizione e Analisi di CLMS e CLTS: Introduzione formale di queste due nuove misure di dispersione circolare e la loro caratterizzazione teorica completa (IF, bias, valori di rottura).
Stimatori Robusti dei Parametri: Sviluppo di stimatori consistenti per i parametri di concentrazione ( $\kappa$ ) della distribuzione von Mises e di dispersione ( $\sigma$ ) della distribuzione normale avvolta, basati sulle misure robuste sopra citate.
Regola di Rilevamento delle Anomalie: Proposta di una nuova regola per il rilevamento degli outlier basata su CLMS. La procedura stima robustamente la posizione (mediana di Fréchet) e la dispersione, calcolando una soglia di cutoff basata sulla distribuzione teorica. Questo metodo supera il problema del "masking effect" (dove un outlier nasconde un altro) tipico delle tecniche di cancellazione sequenziale.
Grafico "Circular Violin Plot": Introduzione di uno strumento grafico innovativo che combina:
- Una stima della densità non parametrica (kernel von Mises) montata sulla circonferenza.
- Elementi di un "boxplot circolare" (mediana e intervallo interquartile).
- La visualizzazione degli outlier come punti esterni alla "violina" definita dalla soglia di cutoff.

4. Risultati

Studio di Simulazione: Confrontando MLE, CMAD, CLMS e CLTS su dati von Mises e normali avvolti contaminati (con shift di media o punti massici):
- L'MLE è fortemente influenzato dalla contaminazione.
- CLMS emerge come lo stimatore migliore, offrendo il miglior compromesso tra robustezza (valore di rottura 0.5) ed efficienza, superando leggermente CLTS e CMAD.
Analisi su Dati Reali:
1. Rane del Nord (Northern cricket frogs): Il metodo identifica correttamente un outlier noto (5.515 radianti), confermando i risultati della letteratura precedente.
2. Stelle Marine Sardi: A differenza delle tecniche di cancellazione singola che falliscono a causa del masking, la regola basata su CLMS identifica entrambi i punti anomali (2.565 e 5.201 radianti) come outlier, poiché lo stimatore CLMS si basa solo sul 50% dei dati più centrali.
3. Larve di Drosophila: Il grafico a violino circolare rivela che molti punti sono fuori soglia e non c'è un chiaro gap, suggerendo che i dati non seguono una distribuzione von Mises ma hanno code più pesanti (adatte a una distribuzione Inverse Batschelet). Questo dimostra l'utilità dello strumento per la validazione del modello.

5. Significato e Implicazioni

Questo lavoro colma un vuoto significativo nella statistica dei dati direzionali fornendo strumenti robusti per la stima della dispersione.

Affidabilità: Le nuove misure (specialmente CLMS) permettono di analizzare dati circolari senza che la presenza di pochi outlier distorca completamente le conclusioni.
Diagnosi Visiva: Il "Circular Violin Plot" offre un modo intuitivo e potente per visualizzare la densità, la variabilità e gli outlier in un unico grafico, facilitando l'identificazione di modelli non adatti ai dati.
Generalizzabilità: Sebbene il lavoro si concentri sul cerchio, le metodologie potrebbero essere estese ad altre varietà (sfere, tori), aprendo nuove strade per l'analisi di dati multidimensionali direzionali.

Il codice R per riprodurre le analisi è reso disponibile pubblicamente, facilitando l'adozione di questi metodi nella comunità scientifica.