📊 statistics

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

Dit artikel onderzoekt de praktische toepasbaarheid, berekening en diverse statistische toepassingen van de geregulariseerde projectiediepte voor functionele data, waarbij wordt aangetoond dat deze methode door zijn vermogen om complexe vormkenmerken te vangen, superieur is aan bestaande dieptemethoden voor taken zoals uitbijterdetectie en classificatie.

Oorspronkelijke auteurs: Filip Bočinec, Stanislav Nagy, Hyemin Yeon

Gepubliceerd 2026-02-27

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Filip Bočinec, Stanislav Nagy, Hyemin Yeon

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Diepte van Data: Een Reis door de Wereld van Kromme Lijnen

Stel je voor dat je niet werkt met getallen op een lijstje, maar met kromme lijnen. Denk aan de hartslag van een patiënt gedurende een dag, de temperatuurverloop in een fabriek, of de beweging van een danser. In de statistiek noemen we dit "functionele data". Het probleem? Deze lijnen zijn vaak zo complex en vol met details dat het heel moeilijk is om te zeggen: "Deze lijn hoort hierbij, en die ene daar is raar."

De auteurs van dit artikel (Filip Bočinec, Stanislav Nagy en Hyemin Yeon) hebben een nieuwe manier bedacht om die "raarheid" te meten. Ze noemen het RPD (Regularized Projection Depth). Laten we dit uitleggen alsof we in een drukke kamer staan.

1. Het Probleem: De "Raarste" Lijn Vinden

Stel je een kamer vol mensen voor die allemaal een stukje papier vasthouden met een getekende lijn erop.

De meeste lijnen lijken op elkaar: ze gaan rustig omhoog en omlaag.
Maar er zitten een paar "vreemdelingen" tussen.

Sommige vreemdelingen zijn makkelijk te zien: hun lijn staat bijvoorbeeld 10 meter hoger dan de rest (een groot verschil in hoogte). Dat is makkelijk te vinden.
Maar wat als een vreemdeling precies op dezelfde hoogte zit als de rest, maar zijn lijn heeft een heel gekke vorm? Misschien piekt hij op het verkeerde moment, of heeft hij een rare zigzag?
Oude methodes om "raarheid" te meten, kijken vaak alleen naar de hoogte (de verticale afstand). Ze zien die gekke vorm niet en denken: "Ah, deze hoort erbij!" De nieuwe methode van de auteurs kijkt echter naar de vorm zelf.

2. De Oplossing: De "Projectie" en de "Regelaar"

De auteurs gebruiken een slimme truc die ze Projectie Depth noemen.

De Analogie van de Schaduw:
Stel je voor dat je in een donkere kamer staat met een zaklamp. Je richt de lamp op de mensen met hun lijnen.

Als je de lamp van voren schijnt, zie je de hoogte van de lijnen (dat is de "projectie").
Als je de lamp van opzij schijnt, zie je de breedte.
Als je de lamp van schuinboven schijnt, zie je de vorm.

De oude methode kijkt alleen naar één vaste hoek. De nieuwe methode (RPD) schijnt de lamp vanuit duizenden verschillende hoeken tegelijk. Als een lijn in één van die hoeken heel erg afwijkt van de rest, dan is hij raar.

Maar hier komt de twist (de "Regelaar"):
Als je te veel hoeken gebruikt, wordt het een chaos. Je ziet elke kleine rimpel als een groot probleem. Dat is niet goed.
Daarom hebben de auteurs een regelaar (de tuning parameter, genaamd $\beta$ of $u$ ) toegevoegd.

Een lage regelaar (u = 0.001): Je bent een detective die elk klein detail ziet. Je vindt zelfs de kleinste, gekste vormen. Dit is perfect om outliers (vreemde lijnen) te vinden.
Een hoge regelaar (u = 0.5): Je bent een schilder die alleen naar de grote lijnen kijkt. Je negeert de kleine rimpels. Dit is handig als je wilt weten wat de gemiddelde, gezonde lijn is, zonder dat een paar gekke lijnen je resultaat verpesten.

3. Wat hebben ze ontdekt? (De Experimenten)

De auteurs hebben hun nieuwe methode getest in vier belangrijke situaties:

Het Opsporen van Vreemdelingen (Outlier Detection):
- Situatie: Een groep lijnen is normaal, maar 10 lijnen hebben een gekke vorm (bijvoorbeeld een piek op het verkeerde moment).
- Resultaat: De oude methodes zagen deze 10 lijnen vaak niet. Ze dachten dat ze normaal waren omdat ze op de juiste hoogte zaten. De nieuwe RPD-methode schreeuwde: "Hé, die vorm is raar!" en vond ze bijna 100% van de tijd.
Het Sorteren van Groepen (Classificatie):
- Situatie: Je hebt twee groepen lijnen. Groep A heeft een ronde vorm, Groep B heeft een vierkante vorm. Ze liggen door elkaar.
- Resultaat: Oude methodes raakten in de war en konden de groepen niet goed scheiden. RPD zag direct: "Ah, deze groep is rond, die groep is vierkant," en splitste ze perfect.
Het Controleren van Verschillen (Hypothesetoetsing):
- Situatie: Zijn twee groepen lijnen echt verschillend, of is het toeval?
- Resultaat: RPD gaf de juiste antwoorden. Andere methodes schreeuwden soms "Verschil!" terwijl er niets was, of zagen een echt verschil niet.
Het Vinden van het Gemiddelde (Robuuste Schatting):
- Situatie: Je wilt het "gemiddelde" van een groep lijnen vinden, maar er zitten een paar heel gekke lijnen tussen die de gemiddelde lijn kunnen verdraaien.
- Resultaat: Hier gebruikten ze de "hoge regelaar". RPD negeerde de gekke lijnen en vond een eerlijk gemiddelde. Andere methodes lieten zich door de gekke lijnen beïnvloeden en gaven een verkeerd gemiddelde.

4. Waarom is dit belangrijk?

Vroeger waren statistische methodes voor deze soort data vaak als een hamer: je kon er alles mee slaan, maar het was niet altijd de juiste tool voor de klus.

De nieuwe RPD-methode is als een multitool met een scherpe lens.

Hij kan heel scherp kijken naar kleine, rare vormen (voor het vinden van fouten).
Hij kan ook "verruimen" om de grote lijn te zien (voor het vinden van een betrouwbaar gemiddelde).

Kortom:
De auteurs hebben een slimme manier bedacht om te zeggen: "Kijk niet alleen naar hoe hoog de lijn is, maar kijk ook naar hoe hij eruitziet." Door een slimme regelaar toe te voegen, kunnen we kiezen of we elke rimpel willen zien of alleen de grote lijn. Dit maakt het veel makkelijker om fouten te vinden, groepen te sorteren en betrouwbare conclusies te trekken uit complexe data, zoals medische metingen of klimaatdata.

Het is alsof je eindelijk een bril hebt gekregen die je laat zien wat er echt gebeurt, in plaats van alleen naar de schaduwen op de muur te kijken.

Titel: Projectiediepte voor functionele data: Praktische kwesties, berekening en toepassingen

Auteurs: Filip Bočinec, Stanislav Nagy en Hyemin Yeon.
Context: Het artikel bouwt voort op eerdere theoretisch werk (Bočinec et al., 2026) over de Reguliere Projectiediepte (RPD) en richt zich nu op de praktische implementatie, berekening en statistische toepassingen in de analyse van functionele data.

1. Het Probleem

Functionele data (data die als continue functies of krommen worden waargenomen) vertonen vaak complexe patronen en vormen. Traditionele statistische dieptemethoden (zoals halfspace- of band-diepte), die zijn ontwikkeld voor multivariate data, hebben moeite om deze complexe vormkenmerken adequaat te vangen.

Beperkingen van bestaande methoden: Veel dieptemethoden zijn te gevoelig voor puntsgewijze verticale afwijkingen en missen de gevoeligheid voor globale vormverschillen (shape features).
Degeneratie van projectiediepte: De klassieke projectiediepte, die gebaseerd is op het maximaliseren van de uitbijterpositie over alle mogelijke projectierichtingen, is in oneindig-dimensionale Hilbertruimtes vaak "gedegenereerd" (de diepte kan overal nul zijn of oneindig worden), waardoor het statistisch onbruikbaar is voor functionele data.

2. Methodologie

Reguliere Projectiediepte (RPD)

De kern van de methode is de Reguliere Projectiediepte (RPD), gedefinieerd als:
$D_\beta(x; P_X) = \inf_{v \in V_\beta} (1 + O_v(x; P_X))^{-1}$
waarbij:

$O_v(x; P_X)$ de uitbijterpositie is in richting $v$ (gebaseerd op mediaan en MAD).
$V_\beta$ een "gerelulariseerde" verzameling van richtingen is, gedefinieerd als $\{v \in S : \text{MAD}[\langle X, v \rangle] \geq \beta\}$ .
De parameter $\beta > 0$ zorgt ervoor dat de diepte strikt positief en goed gedefinieerd blijft, wat de degeneratie oplost.

Keuze van de Tuning-parameter ( $\beta$ )

In plaats van een vaste $\beta$ te kiezen, stellen de auteurs voor om $\beta$ te definiëren als een quantiel van de verdeling van de MAD-waarden over willekeurige projectierichtingen.

$\beta(u) = q_u[\text{MAD}[\langle X, V \rangle]]$ , waarbij $u \in (0, 1)$ .
Interpretatie: Een kleine $u$ (bijv. 0.001) betekent zwakke regularisatie (alleen de richtingen met de grootste spreiding worden gebruikt), wat zeer gevoelig is voor vormverschillen. Een grote $u$ betekent sterke regularisatie, wat robuuster is tegenuitbijters.

Berekening via Stochastische Benadering

Het exact berekenen van het infimum over een oneindige verzameling richtingen is onmogelijk. De auteurs introduceren een stochastische benadering:

Trek $L$ willekeurige richtingen om $\beta(u)$ te schatten.
Trek $M$ willekeurige richtingen uit de verzameling die voldoet aan de geschatte drempel.
Bereken de diepte als het minimum over deze $M$ richtingen.
De auteurs bewijzen dat deze benadering consistent is en convergeert naar de theoretische waarde naarmate $M$ en $L$ toenemen.

3. Belangrijkste Bijdragen

Theoretische Validatie van Data-Adaptieve $\beta$ :
- Bewezen dat het kiezen van $\beta$ als een data-gedreven quantiel de cruciale theoretische eigenschappen behoudt, zoals niet-degeneratie, consistentie en een hoog breekpunt (breakdown point) van 1/2 voor de geïnduceerde mediaan.
- Toont aan dat de methode robuust is onder zachte voorwaarden, zelfs in oneindig-dimensionale ruimtes.
Efficiënt Berekeningsalgoritme:
- Ontwikkeling van een praktische, stochastische benadering die de complexiteit van het optimalisatieprobleem reduceert tot het evalueren van univariate uitbijterposities.
- Implementatie in een C++-gebaseerde R-package (RPD), wat snelle berekeningen mogelijk maakt voor datasets met duizenden observaties.
Uitgebreide Numerieke Evaluatie:
- De auteurs testen de RPD op vier kernstatistische taken en vergelijken deze met gevestigde methoden (zoals RHD, FD, MBD, ID, SD).

4. Resultaten en Prestaties

De simulatiestudies tonen aan dat RPD, vooral bij het kiezen van een kleine $u$ (bijv. 0.001), aanzienlijk beter presteert dan concurrenten in scenario's waar vormverschillen centraal staan:

Uitbijterdetectie:
- RPD detecteert bijna perfect uitbijters die zich in het centrum van de data-wolk bevinden maar een andere vorm hebben (bijv. verschuivingen in frequentie of fase).
- Traditionele methoden (zoals FD en MBD) falen hier vaak omdat ze alleen kijken naar verticale afwijkingen.
Supervised Classificatie:
- In modellen met complexe vormverschillen (bijv. sprongen in het midden van het domein of dimensieverschillen), behaalt RPD een uitzonderlijk lage misclassificatie-rate.
- Een eenvoudige lineaire classifier op basis van de DD-plot (depth-depth plot) van RPD is voldoende om complexe groepen te scheiden, terwijl andere methoden grote overlap vertonen.
Hypothese-toetsing:
- De op RPD gebaseerde Kruskal-Wallis test behoudt de juiste nominale grootte (size) en heeft een hoge power, vooral bij het detecteren van verschillen in vorm of eigenfuncties. Andere methoden vertonen vaak te grote testgroottes (oversized tests).
Robuuste Locatieschatting:
- Bij het schatten van de mediaan onder vervuiling (contaminatie) presteert RPD robuust.
- Een hogere regularisatie ( $u$ groter, bijv. 0.5 of 0.1) verhoogt de robuustheid tegen extreme vervuiling (zoals grote verschuivingen), terwijl een lage $u$ gevoeliger blijft voor vorm. RPD overtreft hier RHD, die kwetsbaar is door het gebruik van niet-robuste covariantie-schattingen.

5. Betekenis en Conclusie

Dit artikel is van groot belang voor de statistische analyse van functionele data omdat het een brug slaat tussen theoretische dieptemethoden en praktische toepasbaarheid.

Vormgevoeligheid: De RPD is uniek in zijn vermogen om vormkenmerken (shape features) te onderscheiden van loutere locatie- of schaalverschillen. Dit maakt het superieur voor complexe data zoals groei-curve's, bewegingspatronen of signaalverwerking.
Robuustheid: De methode biedt een gebalanceerde oplossing tussen gevoeligheid voor uitbijters en robuustheid, afhankelijk van de keuze van de parameter $u$ .
Praktische Implementatie: Door de stochastische benadering en de beschikbaarheid van software, wordt de RPD toegankelijk voor onderzoekers en practitioners, wat de toepassing van geavanceerde dieptemethoden in de praktijk mogelijk maakt.

Kortom, de auteurs tonen aan dat de Reguliere Projectiediepte een krachtig, flexibel en robuust instrument is dat de beperkingen van bestaande functionele dieptemethoden overwint, met name in situaties waar de geometrische vorm van de data cruciaal is.