📊 statistics

General Frameworks for Conditional Two-Sample Testing

Este trabajo aborda la dificultad inherente de la prueba de dos muestras condicional estableciendo una limitación fundamental y proponiendo dos marcos generales: uno que convierte pruebas de independencia condicional y otro que aprovecha la estimación de la relación de densidades, para permitir comparaciones válidas y potentes de distribuciones mientras se controlan factores de confusión.

Autores originales: Seongchan Lee, Suman Cha, Ilmun Kim

Publicado 2026-05-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Seongchan Lee, Suman Cha, Ilmun Kim

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective tratando de averiguar si dos grupos de personas son fundamentalmente diferentes. Pero hay un truco: estos dos grupos tienen antecedentes diferentes. Quizás el Grupo A proviene mayoritariamente de una ciudad lluviosa, y el Grupo B de una soleada. Si simplemente comparas sus alturas promedio, podrías pensar que el Grupo A es más bajo, pero eso es solo porque son más bajos en promedio en la ciudad lluviosa, no porque sean personas inherentemente diferentes.

Este es el problema de la Prueba de Dos Muestras Condicional. Quieres saber si los grupos son diferentes después de tener en cuenta esos factores de fondo (los "confusores").

Este artículo de Lee, Cha y Kim aborda una pregunta muy complicada: ¿Es incluso posible resolver este trabajo de detective sin hacer algunas suposiciones adicionales?

Aquí está el desglose de sus hallazgos, utilizando analogías simples:

1. El "Rompecabezas Imposible" (El Resultado de Dificultad)

Los autores primero prueban un hecho algo deprimente: Sin hacer suposiciones adicionales, este rompecabezas es irresoluble.

Imagina que estás tratando de comparar dos frascos de canicas mezcladas. Sabes que el color de las canicas en el Frasco A depende de la hora del día en que fueron recogidas, y lo mismo para el Frasco B. Si la "hora del día" (el confusor) es una variable continua (como un reloj que puede mostrar cualquier segundo), los autores muestran que ninguna prueba puede decirte confiablemente si los frascos son diferentes.

Es como intentar escuchar un susurro en un huracán. Si no asumes que el viento (el confusor) se comporta de una manera específica y suave, el ruido ahoga la señal. No puedes probar que los frascos son diferentes solo mirando los datos; debes asumir que el "viento" no es demasiado caótico.

2. Las Dos Nuevas Herramientas (Los Marcos)

Dado que el rompecabezas es imposible sin ayuda, los autores construyeron dos "cajas de herramientas" que funcionan si estás dispuesto a hacer esas suposiciones razonables.

Caja de Herramientas A: El "Traductor Mágico" (Independencia Condicional)

Esta caja de herramientas toma una herramienta diseñada para un trabajo diferente (verificar si dos cosas no están relacionadas) y la traduce para que funcione en tu problema específico.

La Analogía: Imagina que tienes una llave maestra que abre puertas de "Independencia". Quieres abrir una puerta de "Dos Grupos", pero la cerradura es ligeramente diferente porque los grupos tienen tamaños fijos (no puedes simplemente agarrar personas al azar; tienes exactamente 50 del Grupo A y 50 del Grupo B).
Cómo funciona: Los autores crearon un "traductor" (Algoritmo 1). Toma tus grupos fijos, los mezcla y crea un conjunto de datos temporal y "falso" que parece una mezcla aleatoria. Luego usa la llave maestra (la prueba de independencia) en estos datos falsos.
El Truco: Para que el mezclado funcione, el traductor debe tirar unas pocas canicas (puntos de datos) para asegurar que las matemáticas funcionen. Pero, siempre que tengas suficientes canicas, esta pérdida es mínima y la prueba sigue siendo precisa.

Caja de Herramientas B: La "Báscula Ponderada" (Estimación de la Relación de Densidad)

Esta caja de herramientas cambia el problema por completo. En lugar de intentar comparar los grupos directamente, intenta averiguar cómo "re-pesar" un grupo para que se parezca al otro.

La Analogía: Imagina que el Grupo A está lleno de rocas pesadas y el Grupo B de plumas ligeras. Quieres compararlos, pero la diferencia de peso (el confusor) está estropeando la báscula.
Cómo funciona: Los autores sugieren calcular un "factor de peso" (relación de densidad) para cada elemento del Grupo B. Si un elemento en el Grupo B es raro en el Grupo A, le das un peso pesado. Si es común, le das un peso ligero. Una vez que aplicas estos pesos, puedes usar pruebas estándar y simples para comparar los dos grupos.
El Truco: Esto solo funciona si puedes calcular esos pesos con precisión. Si los pesos son salvajes (algunos son diminutos, otros enormes), la báscula se voltea y se rompe. El artículo muestra que si usas buenos métodos para estimar estos pesos (como clasificadores de aprendizaje automático), la prueba funciona genial.

3. Los Experimentos (La Prueba)

Los autores probaron estas herramientas con datos falsos (simulaciones) y datos del mundo real (como precios de diamantes y propiedades de superconductores).

Los Resultados:
- Caja de Herramientas A (El Traductor) funciona bien, pero es sensible a cómo mezclas los datos. Si no mezclas con cuidado, podrías obtener falsas alarmas.
- Caja de Herramientas B (La Báscula Ponderada) es muy poderosa si los datos no son demasiado desordenados. Sin embargo, en datos de alta dimensión (datos con muchas características, como el conjunto de datos de superconductores), estimar los pesos se vuelve difícil. Si usas un método simple para estimar los pesos, la prueba falla. Si usas un método más complejo y "inteligente", funciona perfectamente.
- La Compensación: Algunos métodos son rápidos pero podrían pasar por alto diferencias sutiles. Otros son muy poderosos pero tardan mucho en calcularse (como esperar 300 segundos por un resultado).

Resumen

El artículo dice: "Comparar dos grupos mientras se controlan factores de fondo es increíblemente difícil, tan difícil que es imposible sin hacer algunas suposiciones".

Sin embargo, proporcionan dos formas prácticas de resolverlo:

El Traductor: Convierte tu problema en un problema de "aleatoriedad" y usa herramientas existentes, incluso si tienes que descartar un poco de datos.
La Báscula Ponderada: Ajusta la importancia de tus puntos de datos para nivelar el campo de juego, siempre que puedas calcular esos ajustes con precisión.

Prueban que con estas herramientas, finalmente podemos realizar este trabajo de detective de manera confiable, siempre que elijamos la herramienta correcta para la desordenada especificidad de nuestros datos.

Resumen Técnico: Marcos Generales para la Prueba de Dos Muestras Condicional

Planteamiento del Problema
Este artículo aborda el problema de la prueba de dos muestras condicional, que busca determinar si dos poblaciones comparten la misma distribución condicional de una variable de respuesta $Y$ dada una covariable $X$ , tras tener en cuenta posibles factores de confusión. Formalmente, dados dos muestras independientes $\{(X^{(1)}_i, Y^{(1)}_i)\}_{i=1}^{n_1} \sim P^{(1)}_{XY}$ y $\{(X^{(2)}_i, Y^{(2)}_i)\}_{i=1}^{n_2} \sim P^{(2)}_{XY}$ , el objetivo es probar la hipótesis nula:
$H_0: P^{(1)}_{Y|X}(\cdot | X) = P^{(2)}_{Y|X}(\cdot | X) \quad \text{casi seguramente}$
frente a la alternativa de que difieren con probabilidad positiva. Este problema surge en aplicaciones críticas como la adaptación de dominio (validación de supuestos de desplazamiento de covariables) y la equidad algorítmica (detección de sesgos condicionales a atributos demográficos).

Resultado de Dificultad
Los autores establecen primero un resultado fundamental de dificultad para este problema. Demuestran que, sin suposiciones adicionales, ninguna prueba válida de dos muestras condicionales puede poseer potencia no trivial frente a cualquier alternativa única cuando la variable de condicionamiento $X$ es continua. Este hallazgo es paralelo al resultado negativo para la prueba de independencia condicional establecido por Shah y Peters (2020). Una distinción técnica clave en su demostración es que, a diferencia de los escenarios estándar de independencia condicional donde los indicadores de grupo son aleatorios, los tamaños de muestra $n_1$ y $n_2$ en el problema de dos muestras son deterministas. Los autores cierran esta brecha utilizando argumentos de concentración para mostrar que el problema sigue siendo intrínsecamente difícil, lo que hace necesarias suposiciones estructurales (por ejemplo, suavidad o acotación de las razones de densidad) para hacer el problema viable.

Marcos Metodológicos
Para superar estas dificultades, el artículo introduce dos marcos generales que incorporan implícita o explícitamente suposiciones razonables para permitir pruebas válidas.

1. Marco mediante Prueba de Independencia Condicional (CIT)
El primer marco aprovecha la equivalencia entre la prueba de dos muestras condicional y la prueba de independencia condicional. Al introducir un indicador de grupo binario $Z$ , el problema $P^{(1)}_{Y|X} = P^{(2)}_{Y|X}$ es equivalente a probar $Y \perp\!\!\!\perp Z \mid X$ .

Algoritmo 1: Los autores proponen un método genérico de conversión "caja negra" que transforma cualquier prueba de independencia condicional existente en una prueba de dos muestras condicional. El algoritmo construye un conjunto de datos de ternas i.i.d. $(X, Y, Z)$ mediante muestreo aleatorio de los grupos originales de tamaño fijo basándose en una distribución Binomial. Si los tamaños remuestreados exceden los tamaños de grupo originales, se acepta la nula; de lo contrario, se aplica una prueba estándar de independencia condicional a los datos permutados.
Garantías Teóricas: El Teorema 2 demuestra que esta conversión preserva la validez asintótica (control del error Tipo I) y la consistencia (potencia) de la prueba de independencia condicional subyacente, siempre que la estadística de prueba sea "estable bajo acoplamiento" o que la pérdida por remuestreo sea asintóticamente despreciable.

2. Marco mediante Estimación de Razón de Densidad (DRT)
El segundo marco transforma la comparación condicional en una comparación marginal utilizando estimación de razón de densidad.

Principio: La hipótesis nula se cumple si y solo si la densidad conjunta $f^{(1)}_{XY}$ es igual a una versión reponderada de $f^{(2)}_{XY}$ , específicamente $f^{(1)}_{XY}(x,y) = r_X(x) f^{(2)}_{XY}(x,y)$ , donde $r_X(x) = f^{(1)}_X(x)/f^{(2)}_X(x)$ es la razón de densidad marginal.
Implementación: El problema se reformula como una prueba de dos muestras marginal entre $f^{(1)}_{XY}$ $f_{X Y}^{(1)}$ y la $f^{(2)}_{XY}$ $f_{X Y}^{(2)}$ reponderada. Los autores demuestran esto mediante dos enfoques concretos:
- Enfoque basado en clasificadores: Entrenar un clasificador para distinguir entre los dos grupos, donde la función de pérdida para el segundo grupo se pondera por la razón de densidad estimada $r_X$ .
- Enfoque basado en kernels (MMD): Utilizar la Discrepancia Máxima de Medios (MMD) con ponderación por importancia. Los autores proponen una estadística MMD unificada por bloques gobernada por un parámetro $\gamma \in [0, 1]$ $γ \in [0, 1]$ .
  - Régimen I ( $0 \le \gamma < 1$ ): Utiliza estadísticas U por bloques para lograr normalidad asintótica.
  - Régimen II ( $\gamma = 1$ ): Recupera el MMD estándar de tiempo cuadrático, calibrado mediante un bootstrap multiplicador para manejar la distribución límite no gaussiana.
División de Muestras: Para evitar el sesgo de inserción (plug-in bias), los autores emplean división de muestras (o cross-fitting) para separar la estimación de $r_X$ de la evaluación de la estadística de prueba.

Contribuciones Clave

Caracterización de la Dificultad: Demostración rigurosa de que la prueba de dos muestras condicional es tan difícil como la prueba de independencia condicional bajo condicionamiento continuo, destacando la necesidad de suposiciones.
Algoritmo de Conversión Genérico: Un algoritmo novedoso (Algoritmo 1) que permite a los practicantes aplicar cualquier prueba de independencia condicional existente al escenario de dos muestras manteniendo garantías teóricas.
Marco de Razón de Densidad: Un marco flexible que convierte la prueba condicional en prueba marginal mediante razones de densidad, instanciado con métodos basados en clasificadores y basados en kernels.
Teoría MMD Unificada: Desarrollo teórico de un marco MMD unificado que cubre tanto los regímenes de tiempo lineal (por bloques) como de tiempo cuadrático, incluyendo la calibración por bootstrap para este último.

Resultados y Hallazgos Empíricos
El artículo evalúa los métodos propuestos en datos sintéticos (que cubren modelos lineales, de alta varianza y post-no lineales) y conjuntos de datos reales (Diamonds y Superconductividad).

Datos Sintéticos:
- Los métodos DRT (que dependen de razones de densidad) muestran una potencia superior cuando la razón de densidad marginal está acotada y es fácilmente estimable.
- Los métodos CIT (vía Algoritmo 1) y los métodos de kernel condicional (CMMD, CGED) son más robustos ante razones de densidad no acotadas, pero pueden sufrir en escenarios específicos de alta varianza.
- Ningún método domina uniformemente; el rendimiento depende en gran medida del mecanismo generador de datos y de la dificultad de estimar la razón de densidad.
Datos Reales:
- En escenarios de alta dimensionalidad (conjunto de datos de Superconductividad), la elección del estimador de razón de densidad es crítica. La Regresión Logística Lineal (LLR) no logró controlar el error Tipo I, mientras que la Regresión Logística de Kernel (KLR) restauró la validez, aunque a un costo computacional más alto.
- Los métodos de kernel condicional (CMMD, CGED) lograron una potencia competitiva pero incurrieron en costos computacionales significativamente más altos (órdenes de magnitud más lentos que otros métodos).

Significado y Afirmaciones
El artículo afirma proporcionar una base sistemática para la prueba de dos muestras condicional, un problema previamente poco explorado en estadística no paramétrica. Al establecer la dificultad inherente y ofrecer dos marcos distintos y fundamentados teóricamente, el trabajo amplía el conjunto de herramientas disponible para los practicantes.

El marco CIT ofrece una vía práctica para aprovechar la extensa literatura sobre pruebas de independencia condicional para problemas de dos muestras.
El marco DRT conecta la prueba condicional con el campo bien estudiado de la ponderación por importancia y la prueba marginal, ofreciendo flexibilidad en la selección de métodos (clasificación frente a kernels).
Los autores enfatizan que la validez de estos métodos depende de suposiciones específicas (por ejemplo, acotación o estimabilidad de las razones de densidad), y proporcionan orientación empírica sobre las compensaciones entre el costo computacional, la potencia y el control del error Tipo I en diferentes regímenes de datos.

El trabajo concluye identificando direcciones futuras, como la extensión de los marcos a la prueba de $K$ muestras condicionales ( $K \ge 2$ ) y la exploración de enfoques basados en remuestreo como el Remuestreo de Importancia de Muestreo (SIR).