Effective Sample Size for Functional Spatial Data

Resumo Técnico: Tamanho de Amostra Efetivo para Dados Espaciais Funcionais

Problema
O conceito de Tamanho de Amostra Efetivo (ESS, do inglês Effective Sample Size) é uma métrica bem estabelecida na geoestatística para campos aleatórios escalares, quantificando a quantidade de informação independente em um conjunto de dados ao contabilizar a redundância causada pela correlação espacial. No entanto, a extensão do ESS para dados espaciais funcionais — onde as observações são funções indexadas por localização espacial — permanece amplamente inexplorada. As metodologias existentes para dados escalares não podem abordar diretamente a dupla complexidade dos conjuntos de dados espaciais funcionais: a dependência intrínseca dentro das curvas funcionais (por exemplo, suavidade ao longo do tempo ou profundidade) e a dependência espacial entre observações em diferentes localizações. Sem uma definição formal, os pesquisadores carecem de uma ferramenta para quantificar a redundância ou determinar o número efetivo de observações de valores funcionais independentes nesses conjuntos de dados.

Metodologia
Os autores propõem uma nova definição de ESS funcional dentro de um arcabouço de espaço de Hilbert, especificamente $L^2([0, 1])$. A metodologia procede através das seguintes etapas:

1. Arcabouço Teórico: Os autores definem um campo aleatório funcional $\{\chi_s : s \in \mathbb{R}^d\}$ onde cada observação é uma função integrável ao quadrado. Eles assumem estacionaridade fraca e isotropia, descrevendo a dependência espacial via um operador de covariância.
2. Traço-Covariograma: Para reduzir o operador de covariância de dimensão infinita a um resumo escalar tratável, os autores utilizam o traço-covariograma, definido como $\sigma_{tr}(h) = \int_0^1 \sigma_h(t, t) dt$. Esta medida escalar captura a covariância agregada entre observações funcionais separadas por uma distância $h$.
3. Definição de ESS Funcional: Adaptando a definição escalar de Griffith (2005), o ESS funcional ($ESS_F$) é definido como:
   $$ESS_F = \frac{n^2 \sigma_{tr}(0)}{\sum_{i=1}^n \sum_{j=1}^n \sigma_{tr}(\|s_i - s_j\|)}$$
   onde $n$ é o tamanho nominal da amostra e $\sigma_{tr}(0)$ é a traço-variância.
4. Estimação: Na prática, o traço-covariograma é desconhecido. Os autores propõem estimá-lo via um traço-variograma empírico (usando a relação $\gamma_{tr}(h) = \sigma_{tr}(0) - \sigma_{tr}(h)$) e ajustar um modelo paramétrico (por exemplo, Exponencial, Esférico, Gaussiano) utilizando uma abordagem de mínimos quadrados. Um estimador plug-in é então computado usando os parâmetros ajustados.
5. Propriedades Teóricas: O artigo estabelece que, sob traços-covariogramas não negativos, $1 \leq ESS_F \leq n$. Eles demonstram adicionalmente que o $ESS_F$ se comporta de forma intuitiva: ele é igual a $n$ sob independência e igual a $1$ sob correlação positiva perfeita. Além disso, os autores mostram que adicionar uma observação independente aumenta estritamente o ESS funcional.

Principais Contribuições e Resultados Ilustrativos

• Extensão Teórica: A principal contribuição é a definição formal do ESS para dados espaciais funcionais, unindo a lacuna entre a análise de dados funcionais (FDA) e a geoestatística.
• Análise do Modelo FAR(1): Para ilustrar o comportamento da medida proposta, os autores analisam um processo Autorregressivo Funcional de ordem 1 (FAR(1)). Eles derivam uma expressão de forma fechada mostrando que o ESS funcional é a média harmônica ponderada dos ESSs marginais dos processos escalares projetados sobre os autofunções do operador de covariância. Estudos numéricos demonstram que:
  • Uma dependência temporal mais forte (maiores coeficientes autorregressivos) reduz o ESS funcional.
  • Um decaimento mais lento na variância do ruído através das direções de autovetores (aumentando o número de componentes ativos) aumenta o ESS funcional.
• Aplicação em Dados Reais: A metodologia é aplicada a um conjunto de dados de velocidades verticais geométricas no Oceano Pacífico (dados NCEP GODAS), consistindo de 600 localizações espaciais com perfis de velocidade medidos em 22 níveis de profundidade.
  • Três modelos paramétricos (Exponencial, Esférico, Gaussiano) foram ajustados ao traço-variograma empírico.
  • Os valores estimados de $ESS_F$ variaram aproximadamente entre 42 e 105, sugerindo que apenas 17% a 25% da amostra original é necessária para capturar as informações estatísticas essenciais.
  • Validação: Os autores validaram esses achados construindo boxplots funcionais e comparando o conjunto de dados completo contra subamostras aleatórias de tamanho 106 (o valor máximo estimado do ESS). Métricas numéricas (discrepâncias de mediana, diferenças na largura da região central e proporções de inclusão) confirmaram que as subamostras se assemelhavam estreitamente ao conjunto de dados completo, apoiando visual e estatisticamente a quantificação da redundância.

Significância e Alegações
O artigo afirma que o ESS funcional proposto fornece uma medida interpretável e significativa para quantificar a redundância em conjuntos de dados espaciais funcionais. Sua significância reside na capacidade de:

1. Guiar a Subamostragem: Oferece um método fundamentado para selecionar um conjunto reduzido de observações, o que é particularmente valioso em cenários práticos onde a coleta de dados é dispendiosa ou escassa (por exemplo, monitoramento oceanográfico).
2. Preservar Informação: Os autores demonstram que selecionar uma fração dos dados (por exemplo, 17% no caso da velocidade oceânica) pode reter as principais características estatísticas do conjunto de dados completo, incluindo localização e dispersão funcional.
3. Lidar com a Estrutura Funcional: A abordagem acomoda naturalmente não-estacionariedades ao longo do domínio funcional (por exemplo, variações de flutuação de velocidade com a profundidade do oceano) ao representar perfis como funções em vez de vetores discretos.

Os autores concluem observando que, embora o presente trabalho aborde campos funcionais univariados isotrópicos, as direções de pesquisas futuras incluem a extensão do arcabouço para campos funcionais espaciais multivariados (contabilizando correlações cruzadas), campos anisotrópicos e o desenvolvimento de quantificação de incerteza (propriedades assintóticas) para o estimador.