A Kernel-Based Nonparametric Test for Conditional Independence of Functional Data

Aquí presento un resumen técnico detallado del artículo "A Kernel-Based Nonparametric Test for Conditional Independence of Functional Data" (Una prueba no paramétrica basada en kernels para la independencia condicional de datos funcionales) de Yin Tang y Bing Li.

1. Planteamiento del Problema

La independencia condicional es un concepto fundamental en áreas como la reducción de dimensión suficiente, la inferencia causal y los modelos gráficos estadísticos. Determinar si dos variables aleatorias $X$ e $Y$ son independientes dado un tercer conjunto de variables $Z$ ($X \perp\!\!\perp Y | Z$) es crucial para estas aplicaciones.

Sin embargo, la literatura existente sobre pruebas de independencia condicional se ha centrado casi exclusivamente en datos multivariados. Con el auge de dispositivos portátiles y sensores, los datos modernos aparecen cada vez más como funciones aleatorias (datos funcionales). Hasta este trabajo, no existían extensiones rigurosas de las pruebas de independencia condicional al contexto de datos funcionales, donde $X$, $Y$ y $Z$ son funciones o vectores de funciones.

El desafío principal radica en la complejidad teórica: las pruebas basadas en kernels requieren la inversión de operadores de covarianza. En el contexto funcional, esta inversión se realiza mediante regularización de Tikhonov, lo que históricamente ha ralentizado la tasa de convergencia de los estimadores, impidiendo la derivación de una distribución asintótica válida para la estadística de prueba.

2. Metodología

Los autores proponen una prueba no paramétrica basada en kernels que extiende el marco de los Espacios de Hilbert de Núcleo Reproductor (RKHS) al dominio funcional.

A. El Operador de Covarianza Condicional Conjunta (CCCO)

El núcleo de la metodología es el uso del Operador de Covarianza Condicional Conjunta (Conjoined Conditional Covariance Operator - CCCO), denotado como $\Sigma_{\ddot{X}\ddot{Y}|Z}$.

• Se definen variables compuestas $\ddot{X} = (X, Z)$ y $\ddot{Y} = (Y, Z)$.
• El operador se define como:
  $$\Sigma_{\ddot{X}\ddot{Y}|Z} = \Sigma_{\ddot{X}\ddot{Y}} - \Sigma_{\ddot{X}Z}\Sigma_{ZZ}^{\dagger}\Sigma_{Z\ddot{Y}}$$
  donde $\Sigma^{\dagger}$ es la inversa de Moore-Penrose.
• Teorema 1: Bajo ciertas condiciones de regularidad y si los kernels son característicos, $\Sigma_{\ddot{X}\ddot{Y}|Z} = 0$ si y solo si $X \perp\!\!\perp Y | Z$. Esto transforma el problema de prueba en la evaluación de si este operador es cero.

B. Estadística de Prueba

La estadística de prueba propuesta es la norma de Hilbert-Schmidt del estimador del operador CCCO:
$$T_n = n \| \hat{\Sigma}_{\ddot{X}\ddot{Y}|Z} \|_{HS}^2$$
Bajo la hipótesis nula ($H_0: X \perp\!\!\perp Y | Z$), se espera que $T_n$ sea pequeño.

C. Estimación y Aproximación Numérica

Dado que los datos funcionales se observan en puntos discretos, el método incluye:

1. Suavizado: Reconstrucción de las trayectorias funcionales a partir de observaciones discretas utilizando un suavizador basado en kernels (RKHS).
2. Regularización: Uso de regularización de Tikhonov para estimar los operadores de covarianza y sus inversas, introduciendo parámetros de ajuste ($\epsilon_n$ y $\delta_n$).
3. Implementación: Transformación de los operadores a matrices (Gramianas) para permitir el cálculo computacional. Se utiliza un método de aceleración para calcular los valores propios de una matriz de dimensión $n^2 \times n^2$ reduciéndolo al cálculo de una matriz $n \times n$, lo que hace viable el método para tamaños de muestra moderados.

3. Contribuciones Clave

1. Extensión a Datos Funcionales: Es la primera prueba rigurosa de independencia condicional diseñada específicamente para datos que son funciones aleatorias, llenando un vacío significativo en la literatura de análisis de datos funcionales.

2. Justificación Asintótica Rigurosa (Teorema 2):

   • La prueba anterior de Zhang et al. (2011) para datos multivariados solo proporcionaba un bosquejo de la prueba de la distribución asintótica nula sin condiciones detalladas.
   • Los autores demuestran que la tasa de convergencia de los operadores de regresión estimados debe ser más rápida que $n^{-1/4}$ para garantizar la validez asintótica.
   • Utilizando un resultado reciente de Choi et al. (2026) sobre tasas de convergencia "afiladas" (sharpened) para operadores de regresión, los autores establecen condiciones precisas sobre la suavidad de la relación ($\beta$) y la tasa de decaimiento de los valores propios del operador de covarianza ($\alpha$) que garantizan que la estadística de prueba converge a una distribución conocida.
   • Resultado: Bajo condiciones específicas (específicamente $\beta > \frac{\alpha-1}{2\alpha}$ y una elección óptima de $\epsilon_n$), se demuestra que:
     $$\sqrt{n}(\hat{\Sigma}_{\ddot{X}\ddot{Y}|Z} - \Sigma_{\ddot{X}\ddot{Y}|Z}) \xrightarrow{D} N(0, \Gamma_{\ddot{X}\ddot{Y}|Z})$$
     Lo que implica que bajo $H_0$, $T_n$ converge a una suma ponderada de variables chi-cuadrado ($\sum \lambda_k Z_k^2$).

3. Algoritmo Práctico: Se proporciona un algoritmo completo que incluye la selección de parámetros de ajuste (bandwidths de kernels y constantes de regularización) mediante Validación Cruzada Generalizada (GCV).

4. Resultados

Estudios de Simulación

Se evaluó el método en cinco modelos simulados con diferentes estructuras de dependencia (aditiva, multiplicativa, transformaciones logarítmicas) y tamaños de muestra ($n=50, 100, 200, 500$).

• Control de Tasa de Error Tipo I: En el modelo donde $X$ e $Y$ son condicionalmente independientes (Modelo 1), los valores p fueron consistentemente mayores que 0.05, demostrando que la prueba no rechaza incorrectamente la hipótesis nula.
• Potencia: En los modelos donde existía dependencia condicional (Modelos 2-5), la prueba mostró una potencia alta, rechazando la hipótesis nula en la gran mayoría de los casos, incluso con tamaños de muestra pequeños ($n=50$), aunque la potencia disminuyó ligeramente en transformaciones no lineales fuertes con muestras muy pequeñas.
• Robustez: El método funcionó bien tanto en esquemas de observación balanceados (mismos puntos de tiempo para todos) como desbalanceados (puntos de tiempo aleatorios).

Aplicaciones a Datos Reales

1. Dataset WISDM (Sensores de Movimiento):

   • Se analizó si las aceleraciones en los ejes X e Y son independientes dadas las aceleraciones en el eje Z para diferentes actividades físicas (caminar, correr, subir escaleras, sentarse, etc.).
   • Hallazgo: Para actividades dinámicas (caminar, correr), las aceleraciones en X e Y son condicionalmente independientes dado Z (los movimientos están sincronizados y Z captura la relación). Sin embargo, para la actividad de sentarse, se rechazó la independencia, lo que coincide con la física del movimiento humano donde, al estar quieto, las oscilaciones en X e Y mantienen una sincronización fuerte no explicada por Z.

2. Dataset WDI (Indicadores de Desarrollo Mundial):

   • Se examinó la independencia condicional entre pares de indicadores socioeconómicos (ej. inflación, desempleo, esperanza de vida) dado el PIB de un país.
   • Hallazgo: La esperanza de vida mostró dependencia condicional con la mayoría de los factores incluso controlando por el PIB. En contraste, la tasa de interés real pareció ser condicionalmente independiente de los demás factores dado el PIB, sugiriendo que su relación con otras variables está mediada principalmente por el nivel de desarrollo económico.

5. Significado e Impacto

Este trabajo es significativo por varias razones:

• Rigor Teórico: Resuelve un problema abierto en la teoría de pruebas de independencia condicional al proporcionar la primera justificación matemática completa de la distribución asintótica para el método basado en kernels, corrigiendo y completando el trabajo previo de Zhang et al. (2011).
• Aplicabilidad Moderna: Permite a los investigadores analizar la estructura de dependencia en datos funcionales de alta dimensión (como señales de sensores, curvas de crecimiento, series temporales económicas), que son omnipresentes en la ciencia de datos actual.
• Herramienta para Modelado Causal y Gráfico: Facilita la construcción de modelos gráficos funcionales y la reducción de dimensión en contextos donde las variables de interés no son escalares sino funciones, abriendo nuevas vías para la inferencia causal en datos complejos.

En resumen, Tang y Li han desarrollado una herramienta estadística robusta, teóricamente fundamentada y computacionalmente eficiente para probar la independencia condicional en el régimen de datos funcionales, superando las limitaciones de convergencia que anteriormente impedían su aplicación rigurosa.