Sensitivity Analysis on the Sphere and a Spherical ANOVA Decomposition

Resumo Técnico: Análise de Sensibilidade na Esfera e uma Decomposição ANOVA Esférica

Enunciado do Problema
A decomposição de Análise de Variância (ANOVA) é um quadro padrão para compreender a estrutura de funções multivariadas, particularmente para análise de sensibilidade e redução de dimensionalidade. Em configurações clássicas onde o domínio é um espaço produto tensorial (por exemplo, $[0,1]^d$), a decomposição depende de uma estrutura de produto natural que garante a ortogonalidade das funções componentes correspondentes a diferentes subconjuntos de variáveis. No entanto, estender este quadro para a esfera de alta dimensão $S^d$ apresenta desafios teóricos significativos. A esfera carece de uma estrutura de produto tensorial, e a restrição $\|x\|=1$ induz dependências intrínsecas entre as variáveis de entrada. Consequentemente, definições clássicas de componentes ANOVA, que dependem da integração sobre variáveis independentes, falham em produzir termos únicos ou ortogonais na esfera. Além disso, generalizações existentes para variáveis dependentes frequentemente exigem domínios fechados em grade ou transformações de coordenadas específicas que comprometem a interpretabilidade das variáveis físicas originais.

Metodologia
O artigo propõe uma nova decomposição ANOVA esférica adaptada para funções $f: S^d \to \mathbb{R}$ sob a distribuição uniforme. A metodologia aborda as restrições geométricas da esfera através de três mecanismos principais:

1. Decomposição de Paridade: Diferentemente do caso clássico, os autores introduzem um vetor de paridade $\xi \in \{0, 1\}^{d+1}$ para decompor termos em partes pares e ímpares. Isso é necessário porque a dependência algébrica das variáveis na esfera (termos $x_i^2$) cria redundâncias que não podem ser resolvidas sem distinguir a paridade. A decomposição assume a forma:
   $$f(x) = \sum_{u \in \mathcal{D}} \sum_{\xi \in \Upsilon_u} f_{u,\xi}(x_u)$$
   onde $u$ é um subconjunto de índices e $\xi$ indica a paridade do termo em relação a cada variável.

2. Operadores de Projeção Iterativos: Os autores definem um operador de projeção $P_u$ que integra uma função sobre a "fibra" da esfera (uma esfera de dimensão inferior) correspondente a valores fixos das variáveis em $u$. Diferentemente da projeção de produto tensorial clássica, este operador não fatorializa. Os termos ANOVA são então definidos iterativamente usando essas projeções, semelhante à decomposição clássica de Hoeffding, mas adaptada para a geometria esférica.

3. Eliminação de Redundância: Devido à relação $\sum x_i^2 = 1$, termos pares que dependem de uma variável $x_{d+1}$ podem ser expressos como funções das variáveis restantes. Para garantir uma decomposição única e não redundante, os autores propõem omitir termos específicos onde a variável de índice mais alto aparece com paridade par. Isso reduz o número total de termos e previne dependências lineares na base.

4. Construção de Base Ortogonal: Para implementar a decomposição numericamente, o artigo constrói bases ortogonais reduzidas para as bolas de dimensão inferior $B^{|u|}$ nas quais os termos $f_{u,\xi}$ são definidos. Essas bases utilizam polinômios de Gegenbauer para termos unidimensionais e polinômios de Jacobi combinados com harmônicos esféricos para termos de dimensão superior, garantindo ortogonalidade em relação às funções de peso induzidas na esfera.

5. Aproximação Numérica e Análise de Sensibilidade: A decomposição é aproximada usando uma série truncada dessas funções de base. Os coeficientes são determinados resolvendo um problema de mínimos quadrados (usando o algoritmo LSQR) em nós de amostragem aleatória. Com base nas variâncias desses termos, os autores definem índices de Sobol esféricos para quantificar a importância das variáveis, reconhecendo que, embora a ortogonalidade estrita seja perdida para termos pares, os índices resultantes fornecem medidas estáveis de influência das variáveis.

Principais Contribuições

• Definição de ANOVA Esférica: O artigo estabelece a primeira decomposição ANOVA dedicada para a esfera que retém a interpretabilidade das variáveis originais, evitando a necessidade de transformações de sistemas de coordenadas (por exemplo, coordenadas esféricas) que obscurecem o significado físico.
• Estrutura Baseada em Paridade: Introduz a necessidade de distinguir entre termos pares e ímpares através de um vetor de paridade $\xi$, uma característica ausente na ANOVA clássica, mas essencial para lidar com a geometria da esfera.
• Propriedades Teóricas: Os autores analisam a transferibilidade de propriedades clássicas, demonstrando que, embora a ortogonalidade se mantenha entre termos de paridades diferentes, ela não se mantém estritamente entre termos da mesma paridade devido às dependências das variáveis. Eles fornecem condições integrais específicas que os termos devem satisfazer.
• Base Reduzida e Tratamento de Redundância: O trabalho define um método para identificar e omitir termos redundantes decorrentes da restrição da esfera, garantindo um dicionário linearmente independente de funções de base.
• Índices de Sensibilidade: O artigo define índices de Sobol adaptados para o domínio esférico, fornecendo um quadro para análise de sensibilidade global em entradas dependentes restritas a uma variedade.

Resultados
Experimentos numéricos foram conduzidos na esfera de 10 dimensões ($S^{10}$) usando funções teste com estruturas de interação conhecidas (incluindo polinômios, funções de paridade mista e a função de Ishigami).

• O método proposto identificou com sucesso termos ANOVA não nulos correspondentes às interações conhecidas nas funções teste.
• Para funções compostas inteiramente por termos ímpares, a decomposição correspondeu estreitamente às expectativas, com termos não nulos detectados com precisão.
• Para funções envolvendo termos pares, o método identificou corretamente as variáveis interagentes primárias, embora alguma variância tenha sido distribuída para termos de ordem superior devido às dependências inerentes. Os autores notam que a magnitude desses termos "enganosos" é pequena em comparação com os termos primários.
• A abordagem iterativa de aumentar a ordem dos termos (ordem 1, depois ordem 2) produziu resultados comparáveis à resolução de todos os termos simultaneamente, validando a estabilidade do solucionador LSQR neste contexto.

Significado e Alegações
O artigo afirma que a decomposição ANOVA esférica proposta fornece uma "representação significativa e interpretável" de funções na esfera, preenchendo uma lacuna na literatura onde nenhuma decomposição dedicada existia. Seu significado reside em:

• Análise Consciente da Geometria: Respeita a curvatura intrínseca e o acoplamento de variáveis da esfera, que os métodos clássicos falham em capturar sem perder a interpretabilidade.
• Redução de Dimensionalidade: Ao identificar que funções de alta dimensão na esfera são frequentemente dominadas por interações de baixa ordem, o método oferece um caminho para mitigar a maldição da dimensionalidade na aproximação e integração.
• Análise de Sensibilidade: Permite a quantificação da importância das variáveis em configurações com entradas dependentes, servindo como uma ferramenta para seleção de características e redução de ruído em campos que lidam com vetores de características normalizados (por exemplo, geofísica, mecânica quântica).

Os autores mantêm um tom modesto, reconhecendo que a decomposição não responde a todas as questões baseadas em aplicações (como caracterizações específicas de espaços de funções) e que a falta de ortogonalidade estrita para termos pares significa que os índices de Sobol devem ser interpretados como medidas de importância relativa em vez de partições exatas de variância. O trabalho é apresentado como um quadro teórico fundamental e um algoritmo prático para analisar funções em domínios esféricos.