Transformada de Anscombe
Em estatística, a transformada de Anscombe, nomeada em homenagem a Francis Anscombe, é uma transformação de estabilização de variância que transforma uma variável aleatória com uma distribuição de Poisson em uma com uma distribuição Gaussiana aproximadamente padrão.[1][2] A transformada de Anscombe é amplamente usada em imagens limitadas por fótons (astronomia, raios-X), onde as imagens seguem naturalmente a lei de Poisson.[3][4] A transformada de Anscombe é geralmente usada para pré-processar os dados a fim de tornar o desvio padrão aproximadamente constante.[5] Em seguida, algoritmos de redução de ruído projetados para a estrutura de ruído gaussiano branco aditivo são usados; a estimativa final é então obtida aplicando uma transformação inversa de Anscombe aos dados sem ruído.[5]
Definição editar
Para a distribuição de Poisson, a média e a variância não são independentes: . A transformada de Anscombe[6]
visa transformar os dados de forma que a variância seja definida em aproximadamente 1 para uma média grande o suficiente; para o zero médio, a variância ainda é zero.
Ele transforma os dados Poissonianos (com média ) em dados aproximadamente Gaussianos da média e desvio padrão . Esta aproximação é boa, desde que é maior que 4.[7] Para uma variável transformada do formulário , a expressão para a variação tem um termo adicional ; é reduzido a zero em , que é exatamente a razão pela qual esse valor foi escolhido.
Inversão editar
Quando a transformada de Anscombe é usada na remoção de ruído (ou seja, quando o objetivo é obter uma estimativa de ), também é necessário para retornar os dados estabilizados de variância e com silenciador para o intervalo original. Aplicando o inverso algébrico.
geralmente introduz um viés indesejado na estimativa da média , porque a transformação direta de raiz quadrada não é linear. Às vezes, usando o inverso assintoticamente imparcial[6]
mitiga a questão do viés, mas este não é o caso na imagem limitada por fótons, para a qual o inverso imparcial exato dado pelo mapeamento implícito[8]
deve ser usado. Uma aproximação de forma fechada deste inverso imparcial exato é[9]
Alternativas editar
Existem muitas outras transformações de estabilização de variância possíveis para a distribuição de Poisson. O relatório Bar-Lev e Enis[10] uma família de tais transformações que inclui a transformação de Anscombe. Outro membro da família é a transformação Freeman-Tukey[11]
Uma transformação simplificada, obtida como a primitiva do recíproco do desvio padrão dos dados, é
que, embora não seja tão bom em estabilizar a variância, tem a vantagem de ser mais facilmente compreendida. Na verdade, a partir do método delta,
.
Generalização editar
Embora a transformada de Anscombe seja apropriada para dados Poisson puros, em muitas aplicações os dados apresentam também um componente Gaussiano aditivo. Esses casos são tratados por uma transformação Anscombe generalizada[12] e seus inversos não enviesados assintoticamente ou exatos não enviesados.[13]
Referências
- ↑ «Anscombe Transform»
- ↑ Francis Harrison, Paul (27 de agosto de 2017). «Varistran: Anscombe's variance stabilizing transformation for RNA-seq gene expression data». The Journal of Open Source Software (16). 257 páginas. ISSN 2475-9066. doi:10.21105/joss.00257. Consultado em 3 de setembro de 2020
- ↑ Zavala-Mondragon, Luis A.; van der Sommen, Fons; Ruijters, Danny; Engel, Klaus J.; Steinhauser, Heidrun; de With, Peter H.N. (abril de 2020). «Robust Algorithm for Denoising of Photon-Limited Dual-Energy Cone Beam CT Projections»: 867–871. doi:10.1109/ISBI45749.2020.9098442. Consultado em 3 de setembro de 2020
- ↑ «Optimal inversion of the Anscombe and Generalized Anscombe variance-stabilizing transformations». www.cs.tut.fi. Consultado em 3 de setembro de 2020
- ↑ a b Makitalo, M.; Foi, A. (janeiro de 2013). «Optimal Inversion of the Generalized Anscombe Transformation for Poisson-Gaussian Noise». IEEE Transactions on Image Processing (1): 91–103. ISSN 1057-7149. doi:10.1109/TIP.2012.2202675. Consultado em 3 de setembro de 2020
- ↑ a b Anscombe, F. J. (1948), «The transformation of Poisson, binomial and negative-binomial data», [Oxford University Press, Biometrika Trust], Biometrika, 35 (3–4), pp. 246–254, JSTOR 2332343, doi:10.1093/biomet/35.3-4.246
- ↑ «POISSON NOISE REMOVAL FROM FLUORESCENCE IMAGES» (PDF)
- ↑ Mäkitalo, M.; Foi, A. (2011), «Optimal inversion of the Anscombe transformation in low-count Poisson image denoising», IEEE Transactions on Image Processing, 20 (1), pp. 99–109, Bibcode:2011ITIP...20...99M, CiteSeerX 10.1.1.219.6735 , PMID 20615809, doi:10.1109/TIP.2010.2056693
- ↑ Mäkitalo, M.; Foi, A. (2011), «A closed-form approximation of the exact unbiased inverse of the Anscombe variance-stabilizing transformation», IEEE Transactions on Image Processing, 20 (9), pp. 2697–2698, Bibcode:2011ITIP...20.2697M, doi:10.1109/TIP.2011.2121085
- ↑ Bar-Lev, S. K.; Enis, P. (1988), «On the classical choice of variance stabilizing transformations and an application for a Poisson variate», Biometrika, 75 (4), pp. 803–804, doi:10.1093/biomet/75.4.803
- ↑ Freeman, M. F.; Tukey, J. W. (1950), «Transformations related to the angular and the square root», The Annals of Mathematical Statistics, 21 (4), pp. 607–611, JSTOR 2236611, doi:10.1214/aoms/1177729756
- ↑
Starck, J.L.; Murtagh, F.; Bijaoui, A. (1998). Image Processing and Data Analysis. [S.l.]: Cambridge University Press. ISBN 9780521599146 Verifique o valor de
|url-access=registration
(ajuda) - ↑ Mäkitalo, M.; Foi, A. (2013), «Optimal inversion of the generalized Anscombe transformation for Poisson-Gaussian noise», IEEE Transactions on Image Processing, 22 (1), pp. 91–103, Bibcode:2013ITIP...22...91M, PMID 22692910, doi:10.1109/TIP.2012.2202675