FunctionalCalibration: an R package for estimation in aggregated functional data model

Het R-pakket FunctionalCalibration biedt functies om individuele functies te schatten uit geaggregeerde functionele data, zoals die in de chemometrie voorkomen, door middel van spline- of wavelet-basisuitbreidingen.

De kern

Stel je voor dat je in een keuken staat met een grote, donkere soeppot. Je weet precies welke ingrediënten erin zitten: wortels, aardappelen, kruiden en misschien een vleugje citroen. Je kunt de pot niet openmaken om te kijken, maar je mag erin proeven. Het probleem is: je proeft één grote, gemengde smaak. Hoe kun je nu precies zeggen hoeveel er van elk ingrediënt in zit, of hoe die individuele smaken eruitzien, zonder de pot te openen?

Dit is precies het probleem dat het nieuwe R-pakket FunctionalCalibration oplost, maar dan in de wereld van wiskunde en data.

Hier is een eenvoudige uitleg van wat deze paper doet, vertaald naar alledaags taal:

1. Het Probleem: De "Soeppot" van Data

In de echte wereld (bijvoorbeeld in de chemie of bij het analyseren van vlees) meten wetenschappers vaak een gemengd signaal.

• Voorbeeld: Stel je voor dat je een lichtstraal door een flesje vloeistof schijnt. De vloeistof bevat water, vet en eiwitten. Het licht dat eruit komt, is een mengsel van hoe water, vet en eiwitten elk het licht absorberen.
• De uitdaging: Je ziet alleen het eindresultaat (de gemengde curve). Je wilt weten hoe het licht eruitzag als het alleen door het water, alleen door het vet en alleen door de eiwitten was gegaan. Dit noemen ze het "calibreren" van het model.

2. De Oplossing: Twee Verschillende Hulpmiddelen

De auteurs, Alex en Vitor, hebben een softwarepakket gemaakt dat twee slimme manieren biedt om die gemengde soep weer in zijn losse ingrediënten te ontleden. Ze gebruiken twee verschillende "brillen" om naar de data te kijken:

Brillen A: De Spline-methode (De "Vlotte Boog")

Stel je voor dat je een boogschutter bent die pijlen moet tekenen die soepel door de lucht vliegen.

• Hoe het werkt: Deze methode gebruikt wiskundige boogjes (spline's) om de lijnen te tekenen. Het is perfect voor dingen die glad en vloeiend zijn, zoals een zachte heuvel of een rustige rivier.
• Wanneer te gebruiken: Als je ingrediënten in je soep heel rustig en gelijkmatig zijn.
• Het nadeel: Als er in je soep een plotselinge, scherpe steen zit (een onderbreking of een piek), kan deze methode die niet goed zien. Het probeert de steen glad te strijken, waardoor het resultaat niet klopt.

Brillen B: De Golven-methode (De "Golven van de Zee")

Stel je voor dat je naar de zee kijkt. Je ziet grote golven, maar ook kleine rimpelingen en soms een plotseling opspattend schuim.

• Hoe het werkt: Deze methode gebruikt golven (wavelets). In plaats van één grote boog, kijkt het naar kleine stukjes van de lijn. Het kan heel goed omgaan met ruis, pieken en scherpe hoeken.
• Wanneer te gebruiken: Als je data "ruig" is, met plotselinge veranderingen of onderbrekingen (zoals een schakelaar die aan/uit gaat).
• Het voordeel: Het kan die scherpe randen perfect vastleggen waar de andere methode faalt.

3. Wat doet het pakket precies?

Het pakket FunctionalCalibration is als een slimme keukenassistent die voor je werkt:

1. Het maakt een proefpotje: Het heeft een ingebouwde simulator (simulated_data) die zelf een "valse" soep maakt. Hiermee kun je oefenen om te zien of je de ingrediënten goed terug kunt vinden.
2. Het ontdekt de smaken: Je geeft het de gemengde data en de verhoudingen (hoeveel procent water, hoeveel vet). Het pakket gebruikt dan ofwel de Spline-bril of de Golven-bril om de individuele smaken (de oorspronkelijke lijnen) te berekenen.
3. Het werkt ook andersom: Soms weet je de smaken, maar niet de verhoudingen. Het pakket kan ook berekenen: "Als ik deze lijn heb, hoeveel water en hoeveel vet zit er dan in?"
4. Het laat het zien: Het maakt mooie plaatjes van de oorspronkelijke lijnen, zodat je kunt zien of de methode goed heeft gewerkt.

4. Waarom is dit belangrijk?

In de chemie en geneeskunde is het vaak duur of lastig om elk ingrediënt apart te testen. Met dit pakket kunnen wetenschappers goedkope metingen doen van een mengsel en dan met wiskunde precies berekenen wat erin zit.

• Als je data glad is, gebruik je de Spline-methode.
• Als je data ruig of onregelmatig is, gebruik je de Golven-methode.

Kortom: Dit pakket is een slimme tool die helpt om de "soep" van complexe data weer op te splitsen in de losse "groenten", zodat we precies weten wat erin zit, zelfs zonder de pot open te maken.

Technische samenvatting

Technische Samenvatting: FunctionalCalibration

Titel: FunctionalCalibration: an R package for estimation in aggregated functional data model
Auteurs: Alex Rodrigo dos Santos Sousa en Vitor Ribas Perrone (Universiteit van Campinas, Brazilië)

1. Het Probleem: Aggregatie van Functionele Data

Het artikel adresseert een statistisch probleem dat voorkomt in diverse domeinen, met name in de chemometrie (bijvoorbeeld via de wet van Beer-Lambert). Het centrale probleem is het schatten van individuele componentcurven ($\alpha_l(t)$) op basis van waarnemingen van hun geaggregeerde curve ($A(t)$).

In dit model wordt de geaggregeerde curve beschreven als een gewogen som van $L$ bekende componentfuncties, plus een additieve ruisterm:
$$A(t) = \sum_{l=1}^{L} y_l \alpha_l(t) + \epsilon(t)$$
Waarbij:

• $A(t)$ de geobserveerde geaggregeerde curve is.
• $\alpha_l(t)$ de onbekende componentcurven zijn (bijv. absorptiecurves van eiwitten, vet en water).
• $y_l$ de bekende gewichten zijn (concentraties).
• $\epsilon(t)$ een normaal verdeelde ruis is met gemiddelde 0 en variantie $\sigma^2$.

Het doel is "calibratie": het reconstrueren van de individuele $\alpha_l(t)$-curven uit de discrete waarnemingen van $A(t)$, waarbij de gewichten $y_l$ als bekend worden verondersteld.

2. Methodologie

Het pakket FunctionalCalibration implementeert twee benaderingen binnen het raamwerk van Functionele Data-analyse (FDA) om de componentfuncties te schatten:

A. Wavelet-benadering (Sousa, 2024)

• Principe: De componentfuncties worden uitgebreid in een orthonormale wavelet-basis ($\psi_{jk}$).
• Procedure:
  1. Toepassing van de Discrete Wavelet Transformatie (DWT) op de data.
  2. Toepassing van een shrinkage-regel (verkleining) op de empirische wavelet-coëfficiënten om ruis te filteren. Het pakket gebruikt specifiek een Bayesiaanse shrinkage-regel gebaseerd op een mengsel van een puntmassa bij nul en een logistische verdeling.
  3. Schatting van de coëfficiënten via Kleinste-Kwadratenmethode (OLS).
  4. Toepassing van de Inverse Discrete Wavelet Transformatie (IDWT) om de geschatte functies te verkrijgen.
• Voordeel: Ideaal voor functies met lokale kenmerken zoals discontinuïteiten, pieken of snelle oscillaties.

B. Spline-benadering (Saraiva en Dias, 2009)

• Principe: De componentfuncties worden benaderd als een lineaire combinatie van B-spline basisfuncties.
• Procedure:
  1. Het model wordt omgezet naar matrixvorm waarbij de onbekende coëfficiënten van de splines worden geschat.
  2. De schatting gebeurt via de standaard OLS-methode: $\hat{\Theta} = (D^T D)^{-1} D^T A$.
• Voordeel: Zeer geschikt voor gladde, continue functies.

3. Belangrijkste Bijdragen

Het artikel introduceert en documenteert het R-pakket FunctionalCalibration, dat de volgende functionaliteiten biedt:

• Implementatie van twee methoden: Het pakket biedt functies voor zowel wavelet- als spline-gebaseerde schatting.
• Flexibiliteit: Ondersteuning voor verschillende wavelet-families (bijv. Haar, Daubechies) en verschillende shrinkage-methoden (Bayesiaans, universal, SURE, etc.).
• Gebruiksgemak: Inclusief een gesimuleerde dataset (simulated_data) voor validatie en testdoeleinden.
• Inverse Probleem Oplossing: Naast het schatten van curves, biedt het pakket ook een functie (weight_estimation) om de gewichten te schatten als de componentcurven bekend zijn.
• Visualisatie: Functies om geaggregeerde curves te plotten en de resultaten van de schatting te visualiseren.

4. Resultaten en Validatie

De auteurs testen het pakket op een gesimuleerde dataset met twee componentfuncties:

1. $\alpha_1(x)$: Een gladde, continue functie ($\sin(5x)e^{-x^2}$).
2. $\alpha_2(x)$: Een functie met een duidelijke discontinuïteit (stapfunctie).

Vergelijkende bevindingen:

• Spline-methode: Presteerde uitstekend bij het schatten van de gladde functie $\alpha_1(x)$. Echter, de methode faalde bij het reconstrueren van de discontinuïteiten in $\alpha_2(x)$, wat resulteerde in een slechte schatting (Gibbs-achtig fenomeen).
• Wavelet-methode: Presteerde uitstekend bij beide functies. Het slaagde erin om zowel de gladde vorm van $\alpha_1(x)$ als de scherpe discontinuïteiten van $\alpha_2(x)$ nauwkeurig te reconstrueren.

Dit bevestigt de theoretische verwachting dat wavelets superieur zijn voor niet-gladde data, terwijl splines efficiënter zijn voor gladde data.

5. Betekenis en Toepassing

• Wetenschappelijke Impact: Het pakket vult een gat in de R-ecosysteem door gespecialiseerde tools te bieden voor "aggregated functional data", een specifiek maar belangrijk probleem in de chemometrie en analytische chemie.
• Praktische Toepassing: Het stelt onderzoekers in staat om goedkopere en snellere analyses uit te voeren. In plaats van dure laboratoriumanalyses voor elke nieuwe monster, kan men na kalibratie de concentraties van bestanddelen schatten op basis van de geaggregeerde spectrale curve.
• Beschikbaarheid: Het pakket is beschikbaar via CRAN en GitHub, wat de reproduceerbaarheid en adoptie in de statistische gemeenschap vergemakkelijkt.

Conclusie:
FunctionalCalibration is een krachtig instrument voor het oplossen van inverse problemen in geaggregeerde functionele data. De keuze tussen splines en wavelets binnen het pakket stelt gebruikers in staat om de methode af te stemmen op de aard van de onderliggende data (glad vs. discontinu), wat leidt tot robuustere en nauwkeurigere schattingen van individuele componentcurven.