The Influence Function of Transport-based Quantiles

Resumen Técnico: La Función de Influencia de los Cuantiles Basados en Transporte

Planteamiento del Problema
Los cuantiles basados en transporte ofrecen una extensión canónica de los cuantiles univariantes a las distribuciones multivariantes mediante el transporte óptimo (OT). Si bien la literatura reciente ha establecido la existencia de puntos de ruptura (breakdown points) elevados para estos estimadores bajo condiciones adecuadas, sus propiedades de robustez respecto a perturbaciones infinitesimales —específicamente la función de influencia (IF)— no han sido investigadas sistemáticamente. Este artículo aborda la brecha en la comprensión de la estabilidad del mapa de cuantiles de transporte $Q_P$ (el mapa de OT que lleva una medida de referencia fija $\mu$ a una distribución objetivo $P$) cuando $P$ es sometida a una contaminación de tipo Huber, definida como $P_t = (1-t)P + t\delta_{x_0}$.

Metodología
Los autores emplean un análisis riguroso basado en la caracterización por ecuaciones diferenciales parciales (PDE) de los mapas de transporte óptimo. A diferencia de los enfoques clásicos que dependen del teorema de la función implícita, el cual falla aquí debido a la naturaleza no suave de la perturbación de masa puntual, el artículo utiliza una estrategia analítica de múltiples pasos:

1. Estimaciones de Estabilidad $L^2$: El análisis comienza estableciendo cotas $L^2$ sobre la desviación del mapa de transporte perturbado $Q_{P_t}$ respecto al mapa no perturbado $Q_P$. Los autores demuestran que el desplazamiento cuadrático $L^2(\mu)$ escala como $O(t^{1+2/d})$ para $d \ge 3$ y $O(t^2 |\log t|)$ para $d=2$.
2. Linealización y Cotas $L^q$: Para analizar el límite de primer orden (la función de influencia), los autores estudian la secuencia $\xi_t = (Q_{P_t} - Q_P)/t$. Demuestran que, si bien esta secuencia diverge en $L^2$, permanece uniformemente acotada en $L^q(\Omega_\mu)$ para un rango específico de $q \in (1, \frac{d(d+2)}{d^2+2d-4})$.
3. Caracterización por PDE: El límite de la función potencial asociada a $\xi_t$ se identifica como la solución débil única de una PDE uniformemente elíptica con un término fuente de Dirac y condiciones de contorno de Neumann homogéneas.
4. Localización y Análisis de Singularidad: Mediendo la exclusión del punto de perturbación y utilizando principios de máximo local (vía iteración de Moser) y estimaciones de Schauder, los autores derivan cotas locales $C^{2,\alpha}$ lejos de la singularidad. Esto permite una caracterización precisa del comportamiento cerca de la singularidad.

Contribuciones Clave y Resultados

• Existencia y Representación: El artículo establece la existencia y unicidad de la función de influencia $I(x_0; Q_P(z))$ para todo $x_0 \neq Q_P(z)$. Se muestra que $I(x_0; Q_P(z)) = \nabla G_{x_0}(z)$, donde $G_{x_0}$ es el potencial que resuelve la PDE elíptica:
  $$\text{div}(f_\mu [\nabla Q_P]^{-1} \nabla G_{x_0}) = \mu - \delta_{z_0}$$
  donde $z_0 = F_P(x_0)$ es la función de distribución de transporte evaluada en el punto de perturbación, y $F_P = Q_P^{-1}$.

• Singularidad de Tipo Polo: Un hallazgo central es que, para dimensiones $d \ge 2$, la función de influencia exhibe una singularidad de tipo polo. Específicamente, a medida que el punto de perturbación $x_0$ se aproxima al cuantil $Q_P(z)$ (equivalentemente, a medida que $F_P(x_0) \to z$), la norma de la función de influencia diverge:
  $$\|I(x_0; Q_P(z))\| \asymp \frac{1}{\|z - F_P(x_0)\|^{d-1}}$$
  Esto contrasta marcadamente con la función de influencia acotada de los cuantiles univariantes ($d=1$).

• Caracterización Geométrica de las Preimágenes: Como subproducto de la estrategia de prueba, el artículo caracteriza el conjunto $K_{x_0, t} = Q_{P_t}^{-1}(x_0)$, que representa los puntos en el dominio de referencia mapeados a la ubicación de la perturbación. Para $d \ge 3$, este conjunto se comporta asintóticamente como una bola de radio $t^{1/d}$ cuando $t \to 0$.

• Implicaciones para los Cuantiles Empíricos: La naturaleza no acotada de la función de influencia implica que la variable aleatoria $I(X; Q_P(z))$ para $X \sim P$ tiene un segundo momento infinito ($I \notin L^2(P)$). En consecuencia, el cuantil de transporte empírico $Q_{P_n}(z)$ no admite una representación de linealidad asintótica estándar de $\sqrt{n}$ con una función de influencia de cuadrado integrable.

• Conjetura sobre Fluctuaciones de Cola Pesada: Basándose en el comportamiento de la cola de la función de influencia (que decae como $\lambda^{-d/(d-1)}$), los autores conjeturan que el cuantil de transporte empírico converge a una tasa no paramétrica $r_n$ (donde $r_n \sim n^{1/d}$ para $d \ge 3$) y sigue una distribución límite estable y no gaussiana. Experimentos numéricos en dimensión $d=3$ apoyan esta conjetura, mostrando que la distribución empírica se alinea con la estadística lineal derivada de la función de influencia y exhibe colas pesadas, desviándose del comportamiento gaussiano incluso con tamaños de muestra grandes.

Significancia
Este trabajo altera fundamentalmente la comprensión de la robustez de los cuantiles basados en transporte. Si bien estos estimadores poseen puntos de ruptura elevados (resistencia a errores graves), el descubrimiento de una singularidad de tipo polo en su función de influencia revela una sensibilidad distinta hacia los "inliers" (puntos cercanos al cuantil de interés). Este comportamiento singular explica por qué la normalidad asintótica estándar falla y sugiere que la distribución límite de los cuantiles de transporte empíricos es de cola pesada y potencialmente estable. El trabajo proporciona el marco teórico necesario (vía caracterización por PDE) para analizar estos comportamientos asintóticos no estándar, uniendo la teoría del transporte óptimo con la estadística robusta en el entorno multivariante.