📊 statistics

An Explicit Link between Extreme Value Theory and Compositional Data Analysis

Este artículo establece un vínculo algebraico explícito entre la Teoría de Valores Extremos y el Análisis de Datos Composicionales al demostrar cómo sus respectivas representaciones de covarianza y dependencia están conectadas mediante transformaciones simples, permitiendo así la transferencia de métodos estadísticos como los modelos gráficos y las técnicas de reducción de dimensionalidad entre ambos campos.

Autores originales: Manuel Hentschel, Sebastian Engelke

Publicado 2026-07-13

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Manuel Hentschel, Sebastian Engelke

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 a dos grupos diferentes de científicos intentando resolver el mismo rompecabezas, pero hablando idiomas completamente distintos. Por un lado, tienes a expertos en la Teoría de Valores Extremos, que estudian eventos raros y masivos como inundaciones que ocurren una vez cada siglo o caídas repentinas del mercado de valores. Por el otro, tienes a expertos en el Análisis de Datos Composicionales, que estudian elementos donde solo importan las proporciones, como la mezcla química en una roca o el porcentaje de diferentes especies en un bosque.

Durante mucho tiempo, estos dos grupos trabajaron en paralelo, sin saber que en realidad estaban resolviendo el mismo acertijo matemático. Este artículo, escrito por Manuel Hentschel y Sebastian Engelke, actúa como un traductor universal, revelando un puente oculto entre estos dos mundos.

El descubrimiento central: Se trata de proporciones, no de tamaños

Esta es la gran idea: ambos campos están obsesionados con la información relativa.

En el mundo de los eventos extremos, los científicos se dieron cuenta de que cuando una tormenta masiva golpea, el tamaño total de la tormenta es menos importante que la forma del daño. ¿Sopló el viento más fuerte en el norte o en el sur? Las matemáticas separan el "tamaño radial" (qué tan grande es el evento) del "perfil relativo" (cómo se comparan las partes entre sí).

En el mundo de las composiciones, los científicos se dieron cuenta de que si duplicas la cantidad de cada ingrediente en una receta de pastel, el pastel sabe exactamente igual. Las cantidades absolutas no importan; solo importan las proporcciones entre la harina, el azúcar y los huevos.

El artículo demuestra que las herramientas matemáticas utilizadas para describir estas "formas" y "proporciones" son en realidad idénticas. Es como descubrir que el mapa utilizado por un marinero para navegar en una tormenta está dibujado sobre la misma cuadrícula que el mapa utilizado por un panadero para medir ingredientes.

El kit de herramientas mágico: Proyecciones e inversas

Los autores no se limitaron a decir: "Oigan, esto se parece". Construyeron un marco algebraico riguroso para mostrar exactamente cómo coinciden las herramientas. Utilizan algunos movimientos matemáticos de nombre sofisticado, que podemos entender como:

Proyecciones oblicuas: Imagina proyectar una luz sobre un objeto 3D para proyectar su sombra en una pared. En este artículo, muestran cómo "proyectar" datos complejos sobre una superficie plana para ver las relaciones relativas con claridad, ignorando el tamaño general.
El mapa del variograma: Este es un calculador especial que convierte una lista de varianzas (cuánto oscilan las cosas) en un mapa de diferencias. El artículo muestra que el "variograma extremal" utilizado para las inundaciones es el mismo que la "matriz de variación composicional" utilizada para las mezclas químicas.
Inversas de Moore–Penrose: Piensa en esto como un "botón de reversa" para problemas matemáticos que usualmente no se pueden revertir porque tienen demasiadas variables. El artículo demuestra que si presionas este botón de reversa en los datos composicionales, obtienes exactamente el mismo resultado que si lo presionas en los datos de valores extremos.

Lo que esto significa para la vida real (Las transferencias)

Debido a que la matemática es la misma, los autores demuestran que podemos robar trucos de un campo para usarlos en el otro.

1. De los extremos a las composiciones: Encontrando conexiones ocultas
En la teoría de valores extremos, los investigadores han desarrollado una forma de dibujar "grafos" que muestran qué partes de un sistema están conectadas durante una crisis. Por ejemplo, si una inundación golpea un río, ¿golpea automáticamente al siguiente? El artículo introduce un nuevo método llamado modelos gráficos log-normales intrínsecos para datos composicionales.

La prueba: Probaron esto con un conjunto de datos reales de mediciones geoquímicas (el conjunto de datos "gemas"). Descubrieron que su nuevo método podía detectar conexiones entre elementos tal como lo hacen los métodos de valores extremos. No es una solución mágica que lo resuelve todo instantáneamente, pero en sus simulaciones, identificó con éxito las conexiones correctas en un modelo de 10 dimensiones, detectando 25 de los 27 vínculos reales.

2. De las composiciones a los extremos: Viendo el panorama general
Los expertos en datos composicionales han estado utilizando formas ingeniosas de reducir grandes conjuntos de datos a un tamaño manejable (reducción de dimensionalidad) durante décadas. El artículo muestra que los investigadores de valores extremos pueden usar estos mismos trucos.

La prueba: Aplicaron una técnica llamada Análisis de Log-Ratio al conjunto de datos del río "Danubio", que rastrea el flujo de agua en 38 estaciones diferentes. Al tratar los datos de flujo del río como una composición, crearon un mapa visual (un biplot) que mostraba claramente cómo estaban conectadas las estaciones del río. Incluso probaron una versión "ponderada", dando más importancia a las estaciones con mayor flujo de agua, lo que hizo que el curso principal del río resaltara aún más claramente.

3. Suavizando los umbrales
Normalmente, para estudiar eventos extremos, los científicos tienen que trazar una línea dura (un umbral) y decir: "Cualquier cosa por debajo de esto es normal, cualquier cosa por encima es extrema". Esto es un poco arbitrario.

La sugerencia: Tomando prestado el análisis ponderado de las composiciones, los autores sugieren un estimador de variograma ponderado. En lugar de un corte duro, le dan a las observaciones "más extremas" un mayor peso. En sus simulaciones con 500 conjuntos de datos, este enfoque ponderado redujo ligeramente el error (Error Cuadrático Medio) en comparación con el método estándar no ponderado, lo que sugiere que podría ser una mejor forma de manejar la realidad desordenada de los datos del mundo real.

Lo que no pretenden lograr

Es importante saber lo que este artículo no dice.

No pretende resolver el problema del "Cero": Ambos campos luchan con datos que contienen ceros (como un producto químico que no está presente, o un río sin flujo). El artículo establece explícitamente que asumieron datos estrictamente positivos para que la matemática funcionara. Sugieren que el manejo de los ceros es una tarea para investigaciones futuras, no algo que hayan resuelto aquí.
No pretende que los métodos funcionen para todas las distribuciones: El vínculo matemático perfecto que encontraron funciona específicamente para el modelo de Hüsler–Reiss (un tipo específico de distribución de valores extremos). Para otras distribuciones más complejas, la conexión es más desordenada e involucra "inclinación exponencial" (exponential tilting), lo que significa que la traducción simple no funciona perfectamente.
No es un "avance" en el sentido de un producto terminado: Los autores son cuidadosos al decir que están "introduciendo" y "explorando" estas transferencias. Demuestran que puede hacerse y proporcionan simulaciones para respaldarlo, pero no afirman que todos los problemas estadísticos en estos campos estén ahora resueltos.

La conclusión

Este artículo es una clase magistral en la conexión de puntos. Toma dos campos aparentemente no relacionados —uno que estudia las tormentas más ruidosas y el otro que estudia las recetas más finas— y demuestra que están utilizando la misma geometría subyacente. Al construir un puente de álgebra, los autores permiten a los estadísticos intercambiar herramientas, lo que potencialmente facilita la comprensión tanto de los desastres más raros como de las mezclas más complejas. Es un vínculo matemáticamente probado que abre la puerta a la exploración futura, en lugar de ser un destino final.

Resumen Técnico: Un vínculo explícito entre la Teoría de Valores Extremos y el Análisis de Datos Composicionales

Planteamiento del problema
La teoría de valores extremos (TVE) y el análisis de datos composicionales (CoDA) abordan dominios estadísticos distintos —eventos raros y proporciones relativas, respectivamente—, pero ambos dependen fundamentalmente de la información relativa. En la TVE multivariante, la estructura de dependencia de los excesos de umbral se caracteriza a menudo por propiedades de homogeneidad que separan el tamaño radial de un evento de su perfil relativo. En CoDA, los datos se analizan hasta una escala multiplicativa, con inferencia basada en razones o log-razones. A pesar de estos paralelismos conceptuales, los campos han desarrollado representaciones de covarianza y dependencia separadas (por ejemplo, variogramas extremales en TVE frente a arreglos de variación composicional en CoDA) sin un marco algebraico unificado. Esta falta de un vínculo formal ha dificultado la transferencia sistemática de métodos estadísticos entre ambas disciplinas.

Metodología
Los autores establecen una conexión algebraica rigurosa mediante el desarrollo de un marco general para las matrices de covarianza y precisión de vectores aleatorios soportados en subespacios generales. El núcleo de esta metodología consiste en:

Proyecciones oblicuas: El artículo define proyecciones oblicuas $P_{UV^\perp}$ a lo largo de un subespacio núcleo $U$ sobre un subespacio imagen $V^\perp$ . Demuestra que las estructuras de covarianza en ambos campos pueden relacionarse a través de estas proyecciones y sus asociadas "proyecciones de covarianza" ( $\pi_{UV^\perp}$ ), definidas como $\pi_{UV^\perp}(A) = P_{UV^\perp} A P_{VU^\perp}$ .
Mapeo del variograma: Un componente central es el mapa del variograma $\gamma$ , que transforma una matriz de covarianza $S$ en una matriz de varianzas de diferencias pareadas: $\gamma(S)_{ij} = S_{ii} + S_{jj} - 2S_{ij}$ . Los autores demuestran que, para núcleos generados por el vector unitario $\mathbf{1}$ , este mapa es biyectivo entre conjuntos específicos de matrices de covarianza y matrices de variogramas condicionalmente definidas negativamente.
Unificación de representaciones: El marco unifica tres representaciones en TVE (variograma extremal $\Gamma$ , covarianza de funciones extremales $\Sigma_v$ y matrices de precisión $\Theta_v$ ) con tres representaciones análogas en CoDA (arreglo de variación composicional $\Gamma$ , covarianza de log-razones centradas $\Sigma_1$ y covarianza de log-razones aditivas $\Sigma_k$ ). El artículo muestra que estas matrices están relacionadas mediante un pequeño conjunto de transformaciones: proyecciones oblicuas, inversas de Moore–Penrose y el mapa del variograma.

Contribuciones clave y resultados
La contribcción principal del artículo es la formalización del isomorfismo algebraico entre las estructuras de covarianza del modelo de Hüsler–Reiss en TVE y los datos transformados por log-razones en CoDA.

Vínculo formal: Los autores demuestran que el variograma extremal en el modelo de Hüsler–Reiss corresponde exactamente al arreglo de variación composicional. Del mismo modo, la covarianza de las funciones extremales corresponde a la covarianza de las log-razones centradas (CLR), y las matrices de precisión singulares en modelos gráficos de Hüsler–Reiss corresponden a las matrices de precisión de los modelos logísticos-normales intrínsecos en CoDA.
Transferencia de métodos (TVE $\to$ CoDA): Aprovechando este vínculo, los autores introducen modelos gráficos logísticos-normales intrínsecos para datos composicionales. Estos modelos asumen que los datos transformados por CLR siguen una distribución normal degenerada con una matriz de precisión dispersa $\Theta_1$ . El artículo propone el algoritmo cglearn, una adaptación del algoritmo eglearn de la TVE, para estimar la estructura gráfica (patrón de dispersión) de estos modelos mediante la agregación de resultados de datos transformados por ALR a través de diferentes pivotes.
Transferencia de métodos (CoDA $\to$ TVE): Inversamente, los autores demuestran cómo las técnicas de reducción de dimensionalidad de CoDA pueden aplicarse a la TVE. Específicamente, aplican el análisis de log-razones (LRA) y el LRA ponderado a las funciones extremales del conjunto de datos Danube, mostrando que estos métodos visualizan eficazmente la estructura de dependencia de los flujos extremos de ríos. Además, adaptan la selección de log-razones por pasos y el agrupamiento jerárquico basado en la amalgamación para seleccionar diferencias pareadas informativas en las funciones extremales.
Estimación ponderada: El artículo introduce un estimador de variograma extremal ponderado para la TVE, inspirado en el LRA ponderado. Al asignar pesos basados en la magnitud radial de las observaciones, este estimador suaviza el umbral rígido típicamente utilizado en la TVE, demostrando un mejor desempeño en el error cuadrático medio en simulaciones en comparación con los estimadores no ponderados.

Significancia
El artículo sostiene que, si bien ya se han observado paralelismos entre la TVE y el CoDA anteriormente, este trabajo es el primero en formalizar la conexión a través de un marco algebraico compartido. Esta formalización permite la transferencia sistemática de modelos y métodos estadísticos entre ambos campos. La significancia radica en:

Unificación algebraica: Proporcionar un lenguaje común (proyecciones oblicuas y mapas de variograma) que explica por qué diferentes representaciones de covarianza en ambos campos son matemáticamente equivalentes.
Innovación metodológica: Permitir la importación directa de técnicas de modelado gráfico disperso de la TVE hacia el CoDA (vía modelos logísticos-normales intrínsecos) y de técnicas de reducción de dimensionalidad de CoDA hacia la TVE.
Utilidad práctica: Demostrar que algoritmos establecidos (como cglearn y easyCODA) pueden aplicarse inmediatamente a problemas en el otro dominio, ofreciendo nuevas herramientas para analizar extremos de alta dimensión y datos composicionales.

Los autores mantienen la modestia respecto al alcance, señalando que la transferencia de métodos está actualmente establecida para el modelo de Hüsler–Reiss y las transformaciones estándar de log-razones, y que el manejo de ceros (en CoDA) e independencia asintótica (en TVE) requiere de mayor investigación. No obstante, la base algebraica establecida proporciona una vía clara para futuras generalizaciones.

El descubrimiento central: Se trata de proporciones, no de tamaños

El kit de herramientas mágico: Proyecciones e inversas

Lo que esto significa para la vida real (Las transferencias)

Lo que no pretenden lograr

La conclusión

Más como este