Resumen Técnico: Conjuntos de Predicción para Decisiones Contrafácticas

1. Planteamiento del Problema

El artículo aborda el desafío de la toma de decisiones de alto riesgo bajo incertidumbre predictiva en entornos contrafácticos. En los problemas de predicción estándar, el resultado $Y$ es fijo independientemente de la acción tomada. Sin embargo, en la toma de decisiones contrafáctica (por ejemplo, selección de tratamientos, formulación de políticas, marketing), el resultado realizado $Y(A)$ depende de la acción elegida $A$.

La dificultad central reside en la interdependencia entre la cuantificación de la incertidumbre y la regla de decisión:

1. Resultados Acoplados: El resultado que debe ser "cubierto" por un conjunto de predicción no es fijo; está determinado por la acción seleccionada.
2. Brecha de Validez vs. Optimalidad: Si bien la predicción conforme proporciona validez estadística (garantías de cobertura) para resultados fijos, no está claro cómo estas garantías se traducen a la optimalidad cuando la propia regla de decisión altera la distribución del resultado realizado. Los métodos existentes suelen tratar los resultados potenciales de forma independiente o ignoran la estructura contrafáctica, lo que conduce a decisiones subóptimas o a una cobertura inválida para la política inducida.

La pregunta central es: ¿Cuál es la interfaz adecuada entre la cuantificación de la incertidumbre y la toma de decisiones contrafácticas donde las acciones determinan qué resultado potencial se realiza?

2. Metodología y Marco de Trabajo

Los autores proponen un marco de teoría de la decisión centrado en la Cobertura Acoplada a la Política y un procedimiento de construcción de dos etapas llamado Predicción Conforme de Riesgo Averso Acoplada a la Política (PC-RACP).

2.1 Fundamentos de la Teoría de la Decisión

• Objetivo de Aversión al Riesgo: El marco adopta un objetivo de aversión al riesgo donde un agente busca maximizar un límite inferior de alta probabilidad (certificado de utilidad) sobre la utilidad realizada.
• Regla de Decisión Inducida por el Conjunto: Dado un conjunto de conjuntos de predicción $\{C(x, a)\}_{a \in \mathcal{A}}$ (uno para cada acción), el agente emplea una regla max-min:
  $$\pi_{RA}(x; C) = \arg\max_{a \in \mathcal{A}} \inf_{y \in C(x, a)} u(a, y)$$
  Esta regla selecciona la acción que maximiza la utilidad del peor de los casos dentro de los conjuntos de resultados predichos.

2.2 Cobertura Acoplada a la Política (PCC)

El artículo introduce la Cobertura Acoplada a la Política como la noción de validez necesaria. A diferencia de la cobertura marginal por acción estándar (que requiere $P(Y(a) \in C(X, a)) \ge 1-\alpha$ para todo $a$), la PCC requiere que los conjuntos de predicción cubran el resultado realizado bajo la política inducida por los propios conjuntos:
$$P\left( Y(\pi_{RA}(X)) \in C(X, \pi_{RA}(X)) \right) \ge 1 - \alpha$$
Justificación Teórica:

• Optimalidad Minimax: El Teorema 2.1 establece que bajo ambigüedad distributiva (donde la distribución real es desconocida pero satisface la PCC), la regla max-min $\pi_{RA}$ es la regla de decisión minimax-óptima.
• Interfaz sin Pérdidas: El Teorema 3.1 demuestra que optimizar los conjuntos de predicción bajo la PCC es equivalente a optimizar directamente sobre políticas y certificados de utilidad (RA-DPO). Así, los conjuntos de predicción sirven como una "interfaz sin pérdidas" para decisiones contrafácticas de riesgo adverso.
• Equivalencia con la Cobertura Universal: El Teorema 3.2 muestra que optimizar bajo la PCC es equivalente a optimizar bajo una condición de "cobertura universal" más fuerte (válida para cualquier política), aunque la PCC es estrictamente más débil y más práctica para la política inducida.

2.3 Algoritmo PC-RACP

Para construir estos conjuntos en muestras finitas, los autores proponen un procedimiento de dos etapas:

1. Estimación del Modelo y Aprendizaje de la Política:
   • Dividir los datos en conjuntos de entrenamiento, aprendizaje y calibración.
   • Estimar los cuantiles de utilidad condicional $\hat{\gamma}(x, t, a)$ y la regla de asignación de cobertura condicional óptima $\hat{g}(x, \beta)$.
   • Utilizar el conjunto de aprendizaje para encontrar un parámetro preliminar $\hat{\beta}$ que satisfaga una restricción de cobertura aproximada, induciendo una política max-min fija $\hat{a}(\cdot)$.
2. Calibración Conforme Ponderada:
   • Fijar la política $\hat{a}(\cdot)$ para desacoplar la regla de decisión de la garantía de cobertura.
   • Utilizar el conjunto de calibración (filtrado para instancias donde la acción registrada coincide con $\hat{a}(X)$) para realizar predicción conforme ponderada.
   • Ajustar por el desplazamiento de covariables utilizando pesos de importancia basados en la política de comportamiento.
   • Construir los conjuntos de predicción finales $\hat{C}(x, a)$ de tal manera que satisfagan la garantía de PCC para la política inducida $\hat{a}(\cdot)$.

3. Contribuciones Clave

1. Nueva Noción de Validez: Identificación de la Cobertura Acoplada a la Política como la interfaz de teoría de la decisión óptima entre la incertidumbre y la acción en entornos contrafácticos.
2. Equivalencia Teórica: Demostración de que la optimización de conjuntos de predicción bajo la PCC es equivalente tanto a la optimización de la cobertura universal como a la optimización directa de la política de riesgo adverso, estableciendo los conjuntos de predicción como una interfaz sin pérdidas.
3. Forma Óptima Explícita: Derivación de la forma explícita de los conjuntos de predicción óptimos de la población (Teorema 3.4), que se basan en umbrales de cuantiles de utilidad condicional.
4. Procedimiento de Muestra Finita: Desarrollo de PC-RACP, un algoritmo práctico que logra garantías de cobertura rigurosas en muestras finitas para el resultado realizado bajo la política inducida, incluso cuando la política es aprendida de los datos.

4. Resultados Experimentales

Los autores validan el marco mediante simulaciones y un experimento de marketing por correo electrónico en el mundo real (conjunto de datos Hillstrom).

• Simulaciones Sintéticas:
  • Cobertura: PC-RACP logra una cobertura empírica cercana al objetivo $1-\alpha$. En contraste, un método estándar de Conforme de Riesgo Adverso (RAC) (que ignora la estructura contrafáctica) cae por debajo del objetivo, y una línea base de "Plug-in" no logra proporcionar una cobertura exacta.
  • Utilidad: PC-RACP alcanza consistentemente el certificado de utilidad promedio más alto en varios niveles de falta de cobertura $\alpha$, superando tanto al método RAC como al de la línea base Plug-in.
• Experimento de Marketing por Correo Electrónico Hillstrom:
  • Cobertura: PC-RACP mantiene la cobertura cerca del nivel nominal. RAC es excesivamente conservador (la cobertura es significativamente superior al objetivo).
  • Utilidad: PC-RACP genera una mayor utilidad.
  • Mecanismo de Ganancia: El análisis revela que PC-RACP gana utilidad en dos regímenes:
    • $\alpha$ pequeño: Al construir conjuntos de predicción más nítidos (reduciendo la frecuencia de conjuntos ambiguos como $\{0, 1\}$) para la acción dominante.
    • $\alpha$ grande: Al seleccionar la acción de alta recompensa (enviar un correo electrónico) con más frecuencia que RAC, manteniendo una cobertura válida.

5. Significado y Reivindicaciones

El artículo afirma proporcionar el primer marco de teoría de la decisión que conecta rigurosamente la cuantificación de la incertidumbre con la optimalidad de la decisión contrafáctica.

• Suboptimalidad de Ignorar la Estructura: Los autores demuestran que ignorar la naturaleza contrafáctica del problema de decisión (es decir, tratar los resultados como fijos) es subóptimo tanto para la validez estadística como para la utilidad de la decisión.
• Incertidumbre Consciente de la Decisión: El trabajo argumenta que la cuantificación de la incertidumbre en problemas contrafácticos debe diseñarse en torno a las decisiones que soporta. La cobertura acoplada a la política se presenta como un paso fundacional hacia una teoría más amplia de la cuantificación de la incertidumbre consciente de la decisión.
• Aplicabilidad Práctica: El método propuesto PC-RACP ofrece un procedimiento práctico y válido en muestras finitas para la toma de decisiones de alto riesgo donde las acciones influyen en los resultados, cerrando la brecha entre la teoría de la predicción conforme y las aplicaciones de inferencia causal.