Scoring Rules as Least-Squares Estimators

Resumen Técnico: Las reglas de puntuación como estimadores de mínimos cuadrados

Planteamiento del problema
El artículo aborda la relación teórica entre las reglas de puntuación (scoring rules) y la regla de similitud de coseno en la teoría de la elección social. Las reglas de puntuación determinan un ordenamiento social mediante la agregación de puntuaciones individuales asignadas a las alternativas basándose en su posición en los órdenes de preferencia de los votantes (por ejemplo, la regla de Borda). Recientemente, Kawada (2018) estableció un notable teorema de equivalencia que establece que, para cualquier vector de puntuación dado, la regla de puntuación resultante es idéntica a la correspondiente regla de similitud de coseno. Mientras que la prueba original de Kawada se basó en un análisis directo del problema de optimización de la similitud de coseno, los autores de esta nota buscan proporcionar una prueba más transparente y elemental de esta equivalencia.

Metodología
Los autores emplean una caracterización de mínimos cuadrados de la media aritmética para reedificar el resultado de Kawada. La metodología procede de la siguiente manera:

1. Fundamento de mínimos cuadrados: El artículo utiliza la conocida propiedad de que la media aritmética de un conjunto de vectores es el minimizador único de la suma de las distancias euclidianas al cuadrado respecto a dichos vectores. Formalmente, para un conjunto de vectores $\{p_i\}_{i \in N}$, la función $\Phi(x) = \sum_{i \in N} \|x - p_i\|^2$ se minimiza de forma única en $x = \bar{p} = \frac{1}{n}\sum p_i$.
2. Representación vectorial: Los rankings individuales de los votantes se mapean a vectores de puntuación $s^\theta_i \in \mathbb{R}^V$ basados en un vector de puntuación fijo $\theta$.
3. Equivalencia de optimización: Los autores demuestran que minimizar el objetivo de mínimos cuadrados (la suma de las distancias al cuadrado) es matemáticamente equivalente a maximizar la suma de los productos escalares $\sum (s^\theta_i)^\top x$ cuando $x$ está restringido a una esfera de radio fijo.
4. Invarianza de la norma: Un paso crítico en la prueba es observar que, para cualquier votante $i$, la norma euclidiana del vector de puntuación $\|s^\theta_i\|$ es constante (denotada como $R$), independientemente del ranking específico. Esto permite que la suma del producto escalar se reescriba en términos de similitud de coseno: $\sum (s^\theta_i)^\top x = R\rho \sum C(s^\theta_i, x)$, donde $\rho = \|x\|$.
5. Síntesis: Al combinar la propiedad de minimización de mínimos cuadrados con la propiedad de norma constante de los vectores de puntuación, los autores muestran que el optimizador del problema de maximización de la similitud de coseno es precisamente la media aritmética de los vectores de puntuación.

Contribuciones clave y resultados

• Prueba alternativa de Kawada (2018): El artículo proporciona una prueba geométrica más simple de la equivalencia entre las reglas de puntuación y la regla de similitud de coseno.
• Interpretación geométrica: La prueba revela que la media aritmética de los vectores de puntuación, $\bar{s}^\theta = \frac{1}{n} \sum s^\theta_i$, es la solución única tanto para el problema de estimación de mínimos cuadrados como para el problema de optimización de la similitud de coseno.
• Confirmación de la equivalencia: Dado que el ordenamiento social en una regla de puntuación está determinado por las coordenadas del vector de puntuación agregado (que es proporcional a la media aritmética), y la regla de similitud de coseno está determinada por las coordenadas del optimizador (que también es la media aritmética), las dos reglas necesariamente inducen el mismo ordenamiento social.
• Resultado formal: El Teorema 1 confirma que para cada vector de puntuación $\theta$, la regla de puntuación (2) coincide con la regla de similitud de coseno (4).

Significado y afirmaciones
Los autores afirman que su enfoque ofrece una interpretación geométrica transparente de las reglas de puntuación. Al enmarcar las reglas de puntuación como estimadores de mínimos cuadrados, el artículo clarifica por qué la regla de similitud de coseno debe coincidir con la correspondiente regla de puntuación: ambas son representaciones de optimización que comparten la media aritmética como su optimizador común.

El artículo posiciona este resultado dentro del contexto más amplio de las formulaciones basadas en la optimización en la elección social, citando ejemplos clásicos como la regla de Kemeny–Young y trabajos recientes sobre la regla de Schulze. Los autores sugieren modestamente que este marco puede proporcionar una perspectiva útil para comprender otros procedimientos de elección social, aunque no proponen nuevas aplicaciones específicas o validaciones experimentales en esta nota. La contribución principal es la unificación teórica de estos dos conceptos a través de principios de optimización elementales.