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

Resumo Técnico: Profundidade de Projeção para Dados Funcionais

1. O Problema

A análise estatística de dados funcionais (curvas ou superfícies observadas em um intervalo contínuo) é desafiadora devido à sua complexidade estrutural e alta dimensionalidade. Uma ferramenta fundamental para organizar e analisar tais dados é a profundidade estatística (statistical depth), que mede o "centralidade" de uma observação em relação a uma distribuição, permitindo ordenar os dados do mais central ao mais periférico.

No entanto, profundidades funcionais existentes (como profundidade de banda, integrada ou esférica) muitas vezes falham em capturar padrões de forma complexos. Elas tendem a ser sensíveis principalmente a desvios verticais (magnitude) ou deslocamentos de fase, mas não conseguem distinguir adequadamente curvas que possuem formas distintas, mas que permanecem dentro da nuvem de dados central. Além disso, a extensão da profundidade de projeção (Projection Depth) clássica para espaços de dimensão infinita (espaços de Hilbert) resulta em uma medida degenerada (valores infinitos ou zero), tornando-a inútil na prática sem modificações.

2. Metodologia

O artigo investiga e aprimora a Profundidade de Projeção Regularizada (RPD - Regularized Projection Depth), proposta anteriormente por Bočinec et al. (2026), focando em sua implementação prática, computação e aplicações.

• Definição da RPD: A RPD é definida como o inverso da máxima "estranheza" (outlyingness) de uma função $x$ em relação a uma distribuição $P_X$, minimizada sobre um conjunto de direções de projeção. A "estranheza" em uma direção $v$ é calculada usando a mediana e o desvio absoluto mediano (MAD) das projeções dos dados.
• Regularização: Para evitar a degenerescência em espaços de dimensão infinita, a RPD restringe as direções de projeção $v$ a um conjunto onde o MAD das projeções é maior que um parâmetro de regularização $\beta$. Isso atua como uma redução efetiva de dimensão.
• Seleção do Parâmetro de Tuning ($\beta$): O principal contributo prático é a proposta de selecionar $\beta$ não como uma constante fixa, mas como um quantil $u$ da distribuição dos MADs das projeções aleatórias.
  • $\beta(u) = q_u[\text{MAD}(\langle X, V \rangle)]$.
  • Isso torna o método adaptativo aos dados: valores menores de $u$ (ex: 0.001) correspondem a uma regularização mais fraca, capturando melhor características de forma sutis, enquanto valores maiores suavizam a profundidade.
• Algoritmo de Computação: Como calcular o ínfimo sobre um conjunto infinito de direções é inviável, os autores propõem uma aproximação estocástica:
  1. Amostra-se $L$ direções aleatórias para estimar o quantil $\beta$.
  2. Amostra-se $M$ direções condicionadas ao conjunto regularizado.
  3. Calcula-se a profundidade como o mínimo das estranhezas nessas $M$ direções.
  • O algoritmo é implementado em C++ via R (pacote RPD) para eficiência.

3. Contribuições Teóricas e Práticas

• Propriedades Teóricas: O artigo estabelece que a RPD baseada em quantis mantém propriedades cruciais como não-degenerescência, consistência uniforme da amostra e um ponto de ruptura (breakdown point) de 1/2 para a mediana induzida, mesmo em dimensão infinita.
• Adaptabilidade: Demonstra-se que a escolha do parâmetro $u$ permite controlar a sensibilidade da profundidade a características de forma versus magnitude.
• Implementação Eficiente: A validação da aproximação estocástica e a disponibilização de software tornam a RPD viável para conjuntos de dados reais.

4. Resultados Empíricos

Os autores realizaram extensos estudos de simulação comparando a RPD com outras profundidades funcionais (RHD, FD, MBD, ID, SD) em quatro tarefas principais:

1. Detecção de Outliers:

   • A RPD superou consistentemente todos os concorrentes, especialmente em cenários de outliers de forma (onde a curva anômala tem uma forma diferente, mas não se afasta muito em magnitude).
   • Métodos tradicionais falharam em detectar outliers que permaneciam no centro da nuvem de dados, mas com formas distintas. A RPD identificou-os quase perfeitamente.
   • Recomenda-se usar $u$ muito pequeno (ex: 0.001) para detecção de outliers.

2. Classificação Supervisionada:

   • Em tarefas de classificação binária com diferenças de forma complexas (ex: descontinuidades ou mudanças de dimensão), a RPD obteve taxas de erro de classificação significativamente menores.
   • Gráficos DD (Depth-Depth) baseados em RPD mostraram separação quase perfeita entre classes, permitindo que classificadores lineares simples funcionassem onde outros métodos falhavam.

3. Teste de Hipóteses (Igualdade de Distribuições):

   • Testes baseados em RPD (usando estatística de Kruskal-Wallis) mantiveram o nível de significância nominal (tamanho do teste correto), enquanto outros métodos produziram testes com tamanho excessivo (falsos positivos).
   • A RPD demonstrou alto poder estatístico para detectar diferenças em estruturas de covariância e formas, não apenas em médias.

4. Estimação Robusta de Localização:

   • A mediana induzida pela RPD mostrou-se robusta contra contaminação.
   • Em cenários de contaminação com grandes deslocamentos (shifts), a RPD manteve baixa variância e viés, superando métodos que utilizam estimadores de covariância não robustos (como a RHD clássica).
   • Para estimação de localização, recomenda-se usar valores maiores de $u$ (ex: 0.1 ou 0.5) para suavizar a influência de outliers extremos.

5. Significado e Conclusão

O artigo preenche uma lacuna crítica na análise de dados funcionais ao transformar a Profundidade de Projeção Regularizada de uma construção teórica em uma ferramenta prática e computacionalmente viável.

• Inovação Principal: A capacidade de capturar diferenças de forma que outros métodos ignoram. Enquanto a maioria das profundidades funcionais foca em desvios verticais, a RPD, através de suas projeções, é sensível à geometria global da curva.
• Impacto: A RPD oferece um desempenho superior em tarefas de detecção de anomalias, classificação e teste de hipóteses, especialmente quando os dados apresentam complexidade estrutural.
• Recomendação Prática: O sucesso da RPD depende da escolha adequada do parâmetro de quantil $u$:
  • $u \approx 0.001$: Ideal para detectar outliers sutis e classificar formas complexas.
  • $u \in [0.1, 0.5]$: Ideal para estimação robusta de localização, onde se deseja suavizar o efeito de outliers extremos.

Em suma, a RPD se estabelece como o método de profundidade mais versátil e robusto para dados funcionais, superando as limitações das abordagens baseadas em pontos ou bandas tradicionais.