Resumen Técnico: Falsificación de Grafos Causales con Eventos Atípicos

Planteamiento del Problema

Las relaciones causales verdaderas rara vez se conocen a priori, e inferir grafos causales a partir de datos sigue siendo una tarea desafiante. Una dificultad fundamental reside en evaluar la validez de un grafo causal candidato en ausencia de una verdad de campo (ground truth). Si bien métodos anteriores han utilizado datos intervencionales o verificaciones de consistencia entre subconjuntos de variables, estos suelen requerir múltiples muestras, acceso a oráculos de independencia condicional o asumen formas paramétricas específicas. En entornos prácticos como el monitoreo de la nube o la manufactura, suele ser prohibitivo o imposible recolectar múltiples muestras de eventos anómalos poco frecuentes. Además, los métodos existentes para falsificar modelos causales utilizando datos observacionales suelen carecer de pruebas estadísticas válidas con tasas de falsos positivos controladas.

Este trabajo aborda el problema de falsificar un grafo causal candidato utilizando una única muestra atípica (outlier). El objetivo es probar la hipótesis nula $H_0: \hat{G} = G$, donde $\hat{G}$ es un grafo causal estimado y $G$ es el grafo causal verdadero, aprovechando las características de propagación de los eventos atípicos.

Metodología

El enfoque propuesto se fundamenta en el principio de que los valores atípicos débiles rara vez causan valores atípicos fuertes. Este principio, utilizado previamente en el análisis de causa raíz para identificar causas sin conocimiento previo del grafo, se invierte aquí para falsificar grafos: si un grafo candidato implica un patrón de propagación de valores atípicos inconsistente con este principio, el grafo es rechazado.

Conceptos Centrales

1. Modelado de Valores Atípicos: Los valores atípicos se modelan como el resultado de una "intervención suave" sobre un subconjunto de variables de causa raíz $R$. La distribución de una muestra atípica es una versión "corrupta" de la distribución verdadera donde los mecanismos para las variables en $R$ han sido alterados.
2. Puntuaciones de Atipicidad Informacional-Teórica (IT): El método utiliza puntuaciones de atipicidad IT definidas como $S(x) = -\log P(\text{evento})$.
   • Puntuaciones Marginales: $S(x_i) = -\log P(\tau_i(X_i) \geq \tau_i(x_i))$.
   • Puntuaciones Condicionales: $S(x_i | pa_i) = -\log P(\tau_i(X_i) \geq \tau_i(x_i) | PA_i = pa_i)$.
     Bajo la hipótesis nula de que el grafo es correcto y la muestra se deriva del mecanismo ordinario (excluyendo las causas raíz), estas puntuaciones siguen una distribución exponencial estándar independiente, $\text{Exp}(1)$.

Pruebas Estadísticas

Los autores proponen cuatro pruebas estadísticas basadas en estas puntuaciones para rechazar $H_0$. Las pruebas están diseñadas para tener control de falsos positivos (p-valores válidos) y garantías de potencia contra clases específicas de grafos incorrectos.

1. Pruebas de Puntuación Condicional (Asumiendo Causas Raíz Conocidas)

Cuando las causas raíz $R$ son conocidas y el grafo es un Grafo Acíclico Dirigido (DAG), las puntuaciones condicionales de las variables que no son raíz son variables $\text{Exp}(1)$ independientes bajo $H_0$. El artículo propone:

• Prueba basada en Fisher: Suma las puntuaciones condicionales ($S_{sum}$). El p-valor se deriva de la distribución de Erlang (suma de exponenciales).
• Prueba basada en Tippett: Utiliza la puntuación condicional máxima ($S_{max}$). El p-valor se deriva de la distribución del máximo de exponenciales.
• Prueba Binomial: Cuenta el número de puntuaciones que exceden un umbral $t$ ($N_t$). El p-valor sigue una distribución Binomial.
• Prueba de Kolmogorov-Smirnov (KS): Compara la CDF empírica de las puntuaciones contra la CDF teórica de $\text{Exp}(1)$ ($D_L$).

2. Pruebas de Puntuación Marginal (Suposición de Politree)

Inferir distribuciones condicionales es estadísticamente mal planteado con datos limitados. Los autores adaptan las tres primeras pruebas para utilizar únicamente puntuaciones marginales, siempre que el grafo verdadero sea un politree (un DAG sin ciclos no dirigidos).

• Tipicidad de la Puntuación: El método se basa en la condición $S(y|x) \geq |S(y) - S(x)|_+$. Cuando se cumple, implica que un valor atípico débil rara vez causa uno fuerte.
• Estadísticos de la Prueba: Las pruebas marginales utilizan el "salto" en las puntuaciones: $|S(x_i) - S(PA_i)|_+$.
• Validez: Bajo la suposición de politree y la tipicidad de la puntuación, estos estadísticos marginales están estocásticamente dominados por sus contrapartes condicionales, asegurando p-valores válidos.

3. Causas Raíz Desconocidas

Si las causas raíz son desconocidas pero se conoce un límite superior $k$ sobre su número, los autores proponen un procedimiento de máximo dejar-$k$-fuera (maximum leave-$k$-out). El estadístico de la prueba se calcula para cada subconjunto de $k$ variables tratadas como posibles causas raíz, y se toma el p-valor máximo. Esto controla la tasa de falsos positivos sin introducir sesgo de selección.

Garantías Teóricas

• Control de Falsos Positivos: Las pruebas proporcionan p-valores rigurosos, asegurando que $P(\text{rechazar } H_0 | H_0 \text{ es verdadera}) \leq \alpha$.
• Garantías de Potencia: El artículo deriva cotas inferiores en la tasa de decaimiento de las puntuaciones de atipicidad a lo largo de los caminos causales utilizando la Desigualdad de Procesamiento de Datos Fuerte (SDPI).
  • Si a un descendiente real de una causa raíz se le asignan padres incorrectos (por ejemplo, no descendientes o padres más alejados de la raíz), el "salto de puntuación" resultante está acotado inferiormente.
  • La potencia de las pruebas aumenta con la fuerza de la anomalía inyectada ($\lambda$) y la proporción de aristas incorrectas ($\pi$).
  • Se muestran resultados de optimalidad específica (Uniformemente Más Potentes) para la prueba de suma (Fisher) contra cambios globales en los parámetros de tasa y la prueba de máximo (Tippett) contra valores atípicos dominantes únicos.

Resultados Experimentales

Los autores evaluaron sus métodos en conjuntos de datos tanto sintéticos como del mundo real, comparándolos con líneas base que incluyen una prueba basada en permutaciones (Eulig et al., 2025) y un algoritmo de descubrimiento causal (GRaSP).

Datos Sintéticos

• Configuración: DAGs aleatorios con 20 nodos. Se inyectaron valores atípicos en una causa raíz aleatoria y se propagaron. El "grafo de verdad de campo" fue parcialmente corrompido para crear grafos de prueba con fracciones variables de aristas correctas ($|K|/|N|$).
• Hallazgos:
  • Las pruebas propuestas mostraron tasas de rechazo crecientes a medida que aumentaba la fracción de aristas incorrectas.
  • Las pruebas de puntuación condicional generalmente superaron a las pruebas de puntuación marginal, como era de esperar.
  • La línea base GRaSP fue excesivamente sensible, rechazando casi todos los grafos (incluyendo la verdad de campo) debido a discrepancias de muestra finita.
  • La línea base de permutación se comportó como se esperaba, rechazando grafos solo cuando eran peores que el azar.
  • La potencia aumentó con anomalías inyectadas más fuertes y cuando se disponía de múltiples muestras atípicas.

Datos del Mundo Real

1. Dataset PetShop (Computación en la Nube): El estudio probó un "mapa de dependencia de servicios" (con las aristas invertidas) como un sustituto del grafo causal.
   • Resultado: Las pruebas propuestas rechazaron este grafo a una tasa significativamente mayor que el nivel de significancia, particularmente en escenarios de alto tráfico. Esto sugiere que el mapa de servicios, aunque es mejor que el azar, no es el verdadero grafo causal.
2. Dataset Causal Chambers: Un banco de pruebas físico con una estructura causal conocida y precisa.
   • Resultado: Las pruebas rechazaron el grafo a una tasa consistente con el nivel de significancia (es decir, no rechazaron falsamente el grafo correcto), validando el control de falsos positivos.

Significancia y Reivindicaciones

El artículo afirma presentar las primeras pruebas estadísticas para la hipótesis nula de que un grafo causal dado es el grafo causal verdadero que satisfacen tres criterios específicos:

1. Control de Falsos Positivos: Proporcionan p-valores válidos, asegurando que la tasa de rechazos falsos esté acotada.
2. Garantías de Potencia: Tienen potencia demostrada contra una amplia clase de grafos causales incorrectos, específicamente donde la propagación de valores atípicos viola el principio de "débil-a-fuerte".
3. Operación con una Única Muestra: Pueden operar eficazmente con solo una muestra atípica, una característica crítica para dominios donde los eventos anómalos son raros y costosos de observar.

Los autores enfatizan que este trabajo cierra la brecha entre la literatura de análisis de causa raíz y la evaluación de grafos causales, convirtiendo el principio de propagación de valores atípicos en una herramienta de falsificación rigurosa. El método no requiere datos intervencionales ni múltiples muestras del régimen anómalo, lo que lo hace aplicable a escenarios donde los métodos tradicionales de descubrimiento o falsificación causal fallan.