Depth-based estimation for multivariate functional data with phase variability

Resumo Técnico: Estimativa baseada em profundidade para dados funcionais multivariados com variabilidade de fase

Enunciado do Problema
O artigo aborda o desafio estatístico de estimar um padrão subjacente comum (função template) em dados funcionais multivariados quando os dados exibem tanto uma variação de fase individual (deformação temporal) quanto uma distorção temporal entre componentes. Em muitos campos científicos, como análise de crescimento ou análise de dados de distribuição, os indivíduos são observados através de múltiplas componentes funcionais (por exemplo, diferentes estruturas fisiológicas ou distribuições marginais). Essas observações frequentemente sofrem de duas fontes distintas de variabilidade de fase:

1. Variabilidade individual: Cada sujeito possui uma função de deformação temporal única.
2. Variabilidade de componente: Diferentes componentes do processo multivariado podem ser distorcidas por diferentes funções determinísticas.

Métodos existentes, como os de Carroll e Müller (2023), dependem tipicamente de uma abordagem baseada em registro: primeiro estima-se as funções de deformação resolvendo problemas de minimização para alinhar as curvas e, em seguida, estima-se o padrão comum a partir da amostra registrada. No entanto, esse processo sequencial pode ser computacionalmente intensivo e pode carecer de robustez contra observações atípicas (outliers). Além disso, os métodos de registro padrão frequentemente assumem formas paramétricas específicas ou dependem de estimadores baseados na média, que são sensíveis a outliers.

Metodologia
Os autores propõem uma estrutura de estimativa robusta e livre de registro baseada em profundidade de dados funcionais. A abordagem fundamenta-se no Modelo de Deformação Latente (LDM) introduzido por Carroll e Müller (2023), onde uma curva multivariada observada $X_{ij}(t)$ para o indivíduo $i$ e componente $j$ é modelada como:
$$X_{ij}(t) = a_{ij} \lambda(\psi_j(h_i(t)))$$
Aqui, $\lambda$ é a função de amplitude comum desconhecida (curva latente), $\psi_j$ representa as distorções determinísticas baseadas na componente, $h_i$ representa as funções de deformação temporal individuais e $a_{ij}$ são fatores de escala.

O núcleo da metodologia proposta envolve as seguintes etapas:

1. Estimativa da Mediana Baseada em Profundidade: Em vez de minimizar uma perda de registro, o método identifica a curva "mais profunda" na amostra como o estimador para o padrão comum. Os autores estabelecem que, se uma medida de profundidade funcional ($FD$) satisfizer duas propriedades fundamentais — invariância sob transformações estritamente monótonas e consistência da mediana amostral para a mediana populacional — a curva mais profunda estima consistentemente a função alvo $\lambda$ (ou $\lambda \circ \psi_j$ para componentes específicos) mesmo na presença de deformação temporal.
2. Generalização para Cenários Multivariados: O método estende a abordagem de profundidade univariada (Arribas-Gil e Romo, 2012) para o LDM multivariado. Ele permite a estimação direta do padrão comum $\lambda$ ao agrupar observações entre componentes, desde que a composição dos processos de deformação satisfaça condições específicas de simetria (Proposição 3).
3. Tratamento de Alvos Não Monótonos: Para casos em que a função alvo $\lambda$ não é estritamente monótona, os autores incorporam um "operador de monotonização" $T$ (conforme proposto por Dupuy et al., 2011) para transformar as curvas da amostra antes de aplicar a mediana baseada em profundidade, garantindo a consistência.
4. Ferramenta de Diagnóstico (WHyRA): Para validar a suposição crítica do LDM de que as funções de deformação individual $h_i$ são idênticas em todas as componentes, os autores introduzem o gráfico Warping Hypograph Ranking Agreement (WHyRA). Esta ferramenta gráfica visualiza a correspondência de ranking das estimativas das funções de deformação entre as componentes usando o Índice de Hipógrafo Modificado (MHI). Ela ajuda a detectar violações da suposição de deformação compartilhada.

Principais Contribuições

1. Estimativa Livre de Registro: O artigo propõe uma alternativa ao pipeline padrão de dois passos de registro-e-estimativa. Ao utilizar a profundidade funcional, o padrão comum é estimado diretamente dos dados observados e não registrados, evitando a necessidade de resolver múltiplos problemas complexos de minimização para as funções de deformação primeiro.
2. Condições Teóricas para Consistência: Os autores derivam condições necessárias para que uma medida de profundidade funcional forneça estimativa consistente em modelos de deformação temporal. Eles provam que qualquer medida de profundidade que satisfaça a invariância de monotonicidade e a consistência da mediana (como a Profundidade de Banda Modificada, Profundidades Integradas ou Profundidades Integradas de Quantil) pode ser usada para estimar consistentemente a curva latente sob o LDM.
3. Robustez: A abordagem baseada em profundidade é inerentemente robusta a outliers. Ao contrário dos estimadores baseados na média usados em métodos de registro, a mediana de profundidade é menos influenciada por trajetórias atípicas.
4. Estrutura de Diagnóstico: A introdução do gráfico WHyRA fornece um método prático e visual para avaliar a validade da suposição de separabilidade (que a deformação individual é consistente entre as componentes), o que é crucial para a aplicabilidade do modelo.

Resultados
Os autores avaliam o método através de extensas simulações e aplicações de dados reais:

• Desempenho de Simulação: Em simulações comparando o método baseado em profundidade com o método de registro de Carroll e Müller (2023) (CM), o método baseado em profundidade demonstrou:
  • Superioridade sob alta variabilidade: À medida que a variabilidade da deformação temporal e a distorção entre componentes aumentavam, o método baseado em profundidade apresentava erros quadráticos integrados (LISE) menores para a função alvo estimada em comparação com o método CM.
  • Eficiência Computacional: O método baseado em profundidade foi significativamente mais rápido (ex: ~0,17s vs. ~11s para $p=4, n=50$) porque evita o processo iterativo de registro.
  • Sensibilidade ao Ruído: Os estimativas de profundidade do alvo e das curvas individuais foram encontradas como mais sensíveis ao ruído Gaussiano aditivo do que as estimativas baseadas na média do CM, um compromisso inerente aos métodos de mediana robustos.
  • Robustez a Outliers: Em simulações com dados contaminados (outliers gerados a partir de uma função de amplitude diferente), o método baseado em profundidade manteve um melhor desempenho na estimativa do verdadeiro padrão comum em comparação com o método CM.
• Aplicações de Dados Reais: O método foi aplicado a dois conjuntos de dados:
  1. Extensão do Gelo no Oceano Ártico: Analisando dados funcionais multivariados ao longo do tempo.
  2. Distribuições de Idade Materna na Europa: Examinando distribuições através de diferentes países.
     Em ambos os casos, o método identificou com sucesso os padrões comuns e detectou observações atípicas ou desvios das suposições do modelo, demonstrando sua utilidade na análise exploratória de dados.

Significância e Alegações
O artigo alega que sua principal significância reside em fornecer uma alternativa robusta, eficiente e teoricamente fundamentada aos métodos tradicionais de registro para dados funcionais multivariados com variabilidade de fase. Ao mudar o foco da minimização de erros de deformação para a maximização da profundidade dos dados, os autores oferecem um procedimento que:

• Evita o ônus computacional de resolver múltiplos problemas de registro.
• Fornece estimativa consistente sob condições mais amplas em relação aos processos de deformação (especificamente exigindo simetria central em vez de apenas identidade de média).
• Oferece um mecanismo integrado (WHyRA) para diagnosticar a validade do modelo, o que é frequentemente negligenciado em pipelines de registro padrão.

Os autores observam modestamente que, embora seu método se destaque em robustez e velocidade, pode ser menos eficiente do que métodos baseados na média em cenários dominados por alto ruído Gaussiano aditivo. Eles enfatizam que sua contribuição é a extensão dos resultados de consistência de profundidade para o LDM multivariado e o desenvolvimento de uma ferramenta de diagnóstico para apoiar as suposições do modelo, e não um substituto universal para todas as técnicas de registro.