Discrete-time, discrete-state multistate Markov models from the perspective of algebraic statistics

Resumen Técnico: Modelos de Markov de múltiples estados en tiempo discreto y estado discreto desde la perspectiva de la estadística algebraica

Planteamiento del problema
El artículo aborda la estructura algebraica subyacente de los modelos de Markov de múltiples estados en tiempo discreto y estado discreto, una clase de modelos ampliamente utilizados en el análisis de historia de eventos para describir procesos que evolucionan a través de secuencias de estados. Si bien la factorización probabilística de las probabilidades de trayectoria es bien conocida, las relaciones polinómicas (restricciones algebraicas) entre las probabilidades conjuntas de las trayectorias no han sido exploradas sistemáticamente dentro del marco de la estadística algebraica. Específicamente, los autores buscan establecer un puente entre el análisis de historia de eventos y la estadística algebraica, caracterizando estos modelos mediante parametrizaciones monomiales y estudiando sus ideales de anulación asociados. Se establece una distinción clave entre modelos no homogéneos (donde las probabilidades de transición varían con el tiempo) y modelos homogéneos (donde las probabilidades de transición son invariantes en el tiempo), así como modelos con restricciones estructurales como transiciones prohibidas o estados absorbentes.

Metodología
Los autores emplean las herramientas de la estadística algebraica, centrándose específicamente en:

1. Parametrización Monomial: Formalizan la probabilidad conjunta de una trayectoria finita como un monomio en términos de los parámetros de la distribución inicial ($\pi$) y las probabilidades de transición ($a$). Esto define un mapa $\phi$ desde el espacio de parámetros hacia el simplex de probabilidad.
2. Implicitización e Ideales de Anulación: El objeto algebraico central de estudio es el núcleo de la aplicación inversa $\phi^*$, denotado como el ideal de anulación $I$. Este ideal consiste en todas las relaciones polinómicas que se anulan sobre las probabilidades conjuntas de las trayectorias implicadas por el modelo.
3. Ideales Toricos y Modelos Jerárquicos: Los autores analizan si estos modelos corresponden a modelos jerárquicos decomponibles (cuyos ideales de anulación son toricos y están generados por binomios). Utilizan resultados de la teoría de complejos simpliciales y modelos gráficos decomponibles.
4. Estimación de Máxima Verosimilitud (MLE): El artículo compara las fórmulas clásicas de MLE estadística con los enfoques algebraicos (resolviendo las ecuaciones de verosimilitud mediante multiplicadores de Lagrange o analizando el ideal de verosimilitud) para determinar si el enfoque algebraico ofrece ventajas computacionales o revela diferencias estructurales (por ejemplo, la inclusión estricta del modelo dentro de su clausura de Zariski).
5. Verificación Computacional: Los ejemplos se verifican utilizando Macaulay2 y R, incluyendo aplicaciones al mundo real con datos de textos de Shakespeare para ilustrar los hallazgos teóricos.

Contribuciones Clave y Resultados

• Modelos No Homogéneos:

  • Los autores demuestran que los modelos de Markov de múltiples estados de orden $k$ no homogéneos, cuando se des consideran las restricciones estadísticas (no negatividad y suma igual a uno), son modelos jerárquicos decomponibles.
  • En consecuencia, sus ideales de anulación son ideales toricos generados por familias explícitas de binomios. Estos generadores corresponden a enunciados de independencia condicional entre bloques de variables (Proposición 4.5).
  • Se demuestra que los modelos con transiciones prohibidas (por ejemplo, modelos de enfermedad-muerte) son secciones de coordenadas del modelo general. Sus ideales de anulación se obtienen añadiendo ecuaciones lineales ($p_{path} = 0$) al ideal general (Corolario 4.7).
  • Crucialmente, en el entorno no homogéneo, el modelo estadístico $M$ es exactamente igual a la intersección de la variedad algebraica $V$ y el simplex de probabilidad $\Delta$ (Proposición 4.9).
  • La fórmula estadística clásica para la MLE coincide con la MLE algebraica para modelos jerárquicos decomponibles, produciendo un estimador racional de forma cerrada y única.

• Modelos Homogéneos:

  • La homogeneidad temporal impone restricciones algebraicas adicionales porque los parámetros de transición se identifican a través de diferentes pasos de tiempo. Esto causa que los modelos homogéneos, por lo general, queden fuera de la clase de modelos jerárquicos decomponibles.
  • El ideal de anulación para los modelos homogéneos es estrictamente mayor que el de sus contrapartes no homogéneas. Los autores derivan una familia general de relaciones binomiales inducidas por la homogeneidad temporal (Proposición 5.2), análogas a las relaciones de razón de momios (odds-ratio).
  • Sin embargo, los ejemplos computacionales (por ejemplo, Ejemplo 1 y Ejemplo 5) demuestran que estos binomios derivados no generan el ideal de anulación completo en general; se requieren polinomios de grado superior.
  • Un resultado significativo es que, para los modelos homogéneos, el modelo estadístico $M$ está estrictamente incluido en la intersección $V \cap \Delta$ (Proposición 6.2). Esto significa que la variedad algebraica contiene puntos que satisfacen las restricciones polinómicas pero que no corresponden a distribuciones de probabilidad válidas bajo el supuesto de Markov homogéneo.
  • Por consiguiente, resolver el problema de la MLE algebraicamente (vía el ideal de verosimilitud) puede ser sustancialmente más complejo que utilizar los métodos estadísticos clásicos, que producen estimadores directos de forma cerrada mediante la suma de conteos de transición a través del tiempo.

• Aplicaciones:

  • La teoría se aplica a un modelo de enfermedad-muerte y a un modelo de enfermedad-muerte reversible.
  • Una aplicación de datos reales consiste en modelar palabras en inglés de las obras de Shakespeare como trayectorias de Markov. Los autores calculan las MLE tanto para modelos de primer orden homogéneos como no homogéneos, así como para un modelo homogéneo de segundo orden (colapsando estados en vocales, consonantes y espacio). Demuestran discrepancias entre las frecuencias de trayectoria empíricas y las probabilidades del modelo ajustado, destacando particularmente cómo los modelos homogéneos fallan al capturar las frecuencias de bigramas específicas de la posición (por ejemplo, "th" al inicio de las palabras) que los modelos no homogéneos sí capturan.

Significancia y Reivindicaciones

El artículo afirma proporcionar el primer estudio estadístico-algebraico sistemático de los modelos de Markov de múltiples estados en tiempo discreto. Su principal significancia radica en:

1. Marco Unificador: Traduce los supuestos de modelado (transiciones prohibidas, estados absorbentes, homogeneidad temporal) en restricciones algebraicas precisas (secciones de coordenadas, relaciones binomiales adicionales).
2. Perspectiva Estructural: Clarifica que mientras los modelos no homogéneos encajan perfectamente en la clase bien comprendida de los modelos jerárquicos decomponibles, los modelos homogéneos exhiben un comportamiento algebraico más complejo, lo que conduce a una brecha entre el modelo estadístico y su clausura de Zariski.
3. Cautela Metodológica: Destaca que para los modelos homogéneos, los métodos estadísticos clásicos suelen ser superiores en simplicidad y directriz en comparación con los enfoques algebraicos, que pueden implicar la resolución de sistemas complejos con múltiples soluciones o polinomios de grado superior.
4. Direcciones Futuras: Los autores identifican problemas abiertos, incluyendo el tratamiento algebraico de los datos con censura por la derecha, la generación completa de los ideales de anulación para modelos homogéneos, y la extensión de estos resultados a mezclas de modelos de Markov y modelos gráficos coloreados.

Los autores mantienen un tono modesto respecto a la utilidad de los métodos algebraicos para la inferencia, señalando que, si bien los puntos de vista algebraicos proporcionan una comprensión estructural profunda, los métodos estadísticos clásicos suelen seguir siendo la ruta más sencilla para la estimación de parámetros, particularmente en el caso homogéneo.