📊 statistics

The Benjamini--Hochberg Procedure Can Fail to Control the FDR for Correlated Two-Sided Gaussian Tests

Este artículo refuta una conjetura de larga data al demostrar que el procedimiento de Benjamini–Hochberg no logra controlar la tasa de falso descubrimiento en su nivel nominal para pruebas gaussianas bilaterales correlacionadas, un resultado rigurosamente probado mediante aritmética de intervalos y verificado por el autor.

Autores originales: Edgar Dobriban

Publicado 2026-07-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Edgar Dobriban

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 que eres un detective intentando atrapar a un grupo de mentirosos en una habitación llena de gente honesta. Tienes un libro de reglas especial (el procedimiento de Benjamini–Hochberg) que te dice cómo gritar "¡Te atrapé!" sin acusar accidentalmente a demasiados inocentes. Durante décadas, los estadísticos creyeron que este libro de reglas era inquebrantable. Pensaban que, incluso si las personas en la habitación estuvieran susurrando secretos entre sí (datos correlacionados), el libro de reglas mantendría el número de acusaciones falsas por debajo de un límite estricto, digamos 1% (0.01).

Pero un nuevo artículo, escrito con la ayuda de una IA superinteligente llamada GPT-5.6 Pro, acaba de quitarle el tapete de debajo de los pies a esa creencia.

El Gran Descubrimiento: El Libro de Reglas Tiene un Vacío Legal
Los autores muestran que para un tipo específico de situación truculenta —donde las "pruebas" son como números gaussianos de dos caras (piensa en ellos como mediciones que pueden oscilar hacia arriba o hacia abajo desde cero)— el libro de reglas puede fallar. Resulta que cuando estas mediciones están correlacionadas de una manera específica y astuta, el libro de reglas permite que la tasa de falsas acusaciones suba un poquito por encima del límite.

En lugar de mantenerse de forma segura en el 1%, la tasa de falsas alarmas puede saltar a 0.0104. Es un número pequeño, pero en el mundo de las matemáticas estrictas, es una grieta gigante en la presa. El artículo no solo lo supone; construye un "certificado" riguroso (como un informe de un inspector de seguridad matemática) que demuestra, con absoluta certeza, que la tasa debe ser mayor que 0.01 para grupos grandes de pruebas.

El Modelo del "Factor Astuto"
¿Cómo encontraron este vacío legal? Construyeron un mundo ficticio, un "modelo de factor", para probar el libro de reglas. Imagina una habitación gigante con tres grupos de personas:

La Multitud Honesta (96% de la habitación): Estos son los nulos verdaderos. Se supone que son inocentes.
El Grupo de Señal A (1% de la habitación): Estos son las señales "reales", moviéndose en una dirección.
El Grupo de Señal B (3% de la habitación): Estos también son señales reales, pero se mueven en una dirección diferente.

Aquí está el giro: Todos en la habitación están escuchando a un único director invisible (un "factor latente" llamado Z).

La Multitud Honesta se mueve con el director.
Los Grupos de Señal se mueven contra el director, pero a diferentes velocidades.

Cuando el director agita su batuta de cierta manera, las señales se vuelven más fuertes, haciendo que el libro de reglas grite "¡Te atrapé!" con más frecuencia. Pero al mismo tiempo, la "Multitud Honesta" se pone un poco nerviosa, haciendo que sus colas (los extremos de su comportamiento) parezcan sospechosamente similares a las señales. Esto crea la tormenta perfecta donde el libro de reglas se confunde, rechaza a demasiadas personas inocentes y la tasa de falsos descubrimientos se dispara lo suficiente como para romper la regla del 1%.

¿Qué tan seguros están?
Esto no es un "tal vez" o un "creemos".

La Prueba: El argumento central fue generado por una IA y luego revisado cuidadosamente por el autor humano. Utilizaron un método llamado "aritmética de intervalos", que es como hacer matemáticas con un margen de seguridad que garantiza que la respuesta nunca sea errónea, incluso con errores de redondeo. Demostraron que para un número suficientemente grande de pruebas, la tasa es estrictamente mayor que 0.0104.
La Simulación: Para respaldar esto, realizaron experimentos computacionales (simulaciones de Monte Carlo). Cuando probaron con 200 grupos de datos (un total de 20,000 pruebas), la computadora midió la tasa de falsos descubrimientos en 0.010359. Esto es estadísticamente superior al límite del 1%, confirmando la teoría en una simulación del mundo real.

Lo Que Esto Signa (y Lo Que No)
Este artículo descarta explícitamente la idea de que el procedimiento de Benjamini–Hochberg es seguro para todas las pruebas gaussianas de dos caras correlacionadas. Durante veinte años, los expertos creyeron que era seguro; este artículo dice: "En realidad, no lo es".

Sin embargo, el artículo tiene cuidado de no decir que el libro de reglas es inútil. La violación es minúscula (0.0104 frente a 0.01), y ocurre en un escenario construido muy específico con un gran número de pruebas. Los autores admiten que no saben si esto sucede con números menores de pruebas o si hay un tope universal de qué tan malo puede llegar a ser. Tampoco probaron esto con datos del mundo real como genes o acciones todavía; construyeron un modelo matemático para demostrar el punto.

Así que, la próxima vez que escuches que un método estadístico está "probado" para funcionar bajo cualquier condición, recuerda este artículo: a veces, las herramientas más confiables tienen una pequeña y oculta grieta que solo un superinteligente detective (y un poco de ayuda de la IA) puede encontrar.

Resumen Técnico: El procedimiento de Benjamini–Hochberg puede fallar en el control de la FDR para pruebas gaussianas bilaterales correlacionadas

Planteamiento del problema
El artículo aborda una cuestión abierta de larga data en las pruebas de hipótesis múltiples: si el procedimiento de Benjamini–Hochberg (BH) controla la Tasa de Descubrimientos Falsos (FDR) en su nivel nominal $\alpha$ bajo estructuras de correlación arbitrarias para pruebas gaussianas bilaterales. Aunque se sabe que el procedimiento BH controla la FDR bajo independencia (Benjamini y Hochberg, 1995) y bajo la condición de Regresión Monótona Positiva en un Subconjunto (PRDS) (Benjamini y Yekutieli, 2001), el caso de las pruebas bilaterales correlacionadas permanecía sin resolver.

La literatura previa, incluyendo estudios empíricos (Reiner-Benaim, 2007; Kim y van de Wiel, 2008) y revisiones influyentes (Benjamini, 2010; Sarkar, 2023), conjeturaba ampliamente que el control de la FDR se mantiene para las pruebas $z$ bilaterales con cualquier estructura de correlación. El artículo desafía esta conjetura, postulando que el "plegado" de las dos colas en las pruebas bilaterales ( $\{P_i \le t\} = \{X_i \ge c_t\} \cup \{X_i \le -c_t\}$ ) interrumpe los argumentos de regresión monótona y de positividad total que funcionan para las estadísticas unilaterales, lo que potencialmente conduce a la inflación de la FDR.

Metodología y Construcción
Para refutar la conjetura, los autores construyen un modelo de factor gaussiano específico que involucra $m_N = 100N$ hipótesis, particionadas en tres bloques:

Nulos Verdaderos ( $96N$ ): $X^{(0)}_i = \frac{3}{10}Z + \frac{\sqrt{91}}{10}\epsilon_i$ .
Bloque de No-Nulos 1 ( $N$ ): $X^{(1)}_j = \frac{12}{5} - \frac{3}{10}Z + \frac{\sqrt{91}}{10}\eta_j$ .
Bloque de No-Nulos 2 ( $3N$ ): $X^{(2)}_k = \frac{22}{5} - \frac{18}{25}Z + \frac{\sqrt{301}}{25}\xi_k$ .

Aquí, $Z$ es un factor latente común, y $\epsilon, \eta, \xi$ son normales estándar independientes. Las medias de los bloques de no-nulos están ajustadas para moverse en contra del factor latente $Z$ , mientras que el bloque nulo se mueve con él. Esto crea un escenario donde, para realizaciones específicas de $Z$ , las señales de los no-nulos aumentan el conteo de rechazos (elevando el umbral de BH) precisamente cuando la distribución nula condicional desarrolla colas bilaterales más pesadas.

La prueba se basa en un análisis asintótico de la función de distribución acumulada (CDF) empírica de los valores $p$ . Los autores utilizan una técnica de "encuadramiento de umbrales" (threshold bracketing):

Definen una CDF condicional límite $G_z(t)$ para los valores $p$ dado $Z=z$ .
Identifican un rango de valores de $z$ donde el umbral de BH $\tau_N$ está estrictamente acotado entre dos valores $v$ y $w$ (donde $v < w < \alpha$ ).
Dentro de este rango, se muestra que la Proporción de Descubrimientos Falsos (FDP) condicional excede $\alpha$ .

Contribuciones Clave y Mecanismo de Prueba
La contribución principal es un contraejemplo riguroso que demuestra que el control de la FDR falla para las pruebas gaussianas bilaterales correlacionadas. La prueba se distingue por dos innovaciones:

Evitación de la Unicidad Límite: El argumento no requiere un punto de cruce de límite único o diferenciabilidad de la CDF en el cruce. En su lugar, utiliza dos condiciones de signo estrictas para encuadrar el umbral.
Aritmética de Intervalos Rigurosa: La prueba emplea una colección finita de desigualdades verificadas mediante "aritmética de intervalos de redondeo hacia afuera" (usando la biblioteca Arb). Al particionar el espacio del factor latente y el espacio del umbral de valor $p$ en rectángulos racionales, los autores certifican que desigualdades específicas se cumplen estrictamente. Esto elimina los errores de punto flotante, proporcionando un certificado matemático de que la FDR excede el nivel nominal.

La prueba fue generada por el modelo de IA GPT-5.6 Pro y posteriormente verificada por el autor, quien también realizó las simulaciones numéricas y redactó el manuscrito.

Resultos

Resultado Teórico: Para el modelo construido al nivel $\alpha = 0.01$ , los autores demuestran que para todo $N$ suficientemente grande, la FDR satisface $\text{FDR}_N > 0.0104$ . Esto viola estrictamente el nivel nominal de 0.01.
Certificado Numérico: El certificado de aritmética de intervalos suma las contribuciones a través de 1,000 contenedores (bins) del factor latente $Z$ , arrojando un límite inferior certificado de aproximadamente $0.0104168$.
Experimentos de Monte Carlo: Se realizaron simulaciones de Monte Carlo estratificadas (estratificadas sobre $Z$ $Z$ para manejar la varianza) para $N= 50, 100, 200$ $N = 50, 100, 200$ .
- Para $N=200$ , la FDR estimada fue $0.010359$, con un intervalo de confianza del 95% de $[0.010155, 0.010563]$ , el cual se sitúa enteramente por encima del nivel nominal.
- Los resultados son consistentes con el hallazgo teórico asintótico, mostrando un fallo de control también en muestras finitas.

Significación y Reivindicaciones
El artículo afirma refutar una conjetura que ha sido ampliamente creída durante veinte años. Demuestra que el procedimiento BH no es universalmente robusto ante estructuras de correlación arbitrarias en pruebas gaussianas bilaterales, específicamente cuando la correlación induce un acoplamiento entre la fuerza de la señal y el comportamiento de la cola de la distribución nula.

Los autores señalan que la violación es leve (aproximadamente un 4% de inflación sobre el nivel nominal) y ocurre en un modelo con un gran número de pruebas. Establecen explícitamente que sigue siendo una cuestión abierta si existe un límite universal sobre la posible inflación de la FDR o si el control está garantizado para números más pequeños de pruebas. El trabajo destaca las limitaciones de las garantías teóricas actuales para el procedimiento BH en entornos dependientes complejos y subraya la necesidad de alternativas ajustadas por dependencia en tales escenarios.

Más como este