A Kernel-Based Nonparametric Test for Conditional Independence of Functional Data

1. Problématique et Contexte

L'indépendance conditionnelle est un concept fondamental en statistique, crucial pour la réduction de dimension suffisante, l'inférence causale et les modèles graphiques. Bien que de nombreux tests d'indépendance conditionnelle non paramétriques existent pour des données multivariées (vecteurs), il existe une lacune majeure concernant les données fonctionnelles (c'est-à-dire des observations sous forme de fonctions aléatoires continues).

Dans de nombreuses applications modernes (capteurs portables, données économiques temporelles), les variables $X$, $Y$ et $Z$ sont des fonctions aléatoires. Le défi consiste à déterminer si deux fonctions aléatoires $X$ et $Y$ sont conditionnellement indépendantes étant donné une troisième fonction $Z$ ($X \perp\!\!\!\perp Y | Z$). Les méthodes existantes ne sont pas directement applicables car elles ne gèrent pas la nature infinie-dimensionnelle des espaces de fonctions.

2. Méthodologie Proposée

Les auteurs proposent un test non paramétrique basé sur les noyaux (kernel-based) utilisant l'opérateur de covariance conditionnelle conjointe (Conjoined Conditional Covariance Operator - CCCO).

A. Cadre Théorique : Espaces de Hilbert à Noyau Reproduisant (RKHS)

La méthode s'appuie sur l'encastrement des distributions de probabilité dans des espaces de Hilbert à noyau reproduisant (RKHS).

• Opérateurs de Covariance : Ils définissent les opérateurs de covariance $\Sigma_{XX}$, $\Sigma_{YY}$, $\Sigma_{ZZ}$ et les opérateurs de covariance croisée $\Sigma_{XY}$, etc., dans les RKHS associés aux noyaux $\kappa_X, \kappa_Y, \kappa_Z$.
• Opérateur de Covariance Conditionnelle (CCO) : L'opérateur $\Sigma_{XY|Z}$ est défini comme $\Sigma_{XY} - \Sigma_{XZ}\Sigma_{ZZ}^\dagger \Sigma_{ZY}$, où $\dagger$ désigne l'inverse de Moore-Penrose.
• Opérateur CCCO ($\Sigma_{\ddot{X}\ddot{Y}|Z}$) : Pour caractériser correctement l'indépendance conditionnelle, les auteurs utilisent une modification introduite par Fukumizu et al. (2004). Ils définissent des variables conjuguées $\ddot{X} = (X, Z)$ et $\ddot{Y} = (Y, Z)$ avec des noyaux produits $\kappa_{\ddot{X}} = \kappa_X \kappa_Z$ et $\kappa_{\ddot{Y}} = \kappa_Y \kappa_Z$. L'opérateur CCCO est alors :
  $$\Sigma_{\ddot{X}\ddot{Y}|Z} = \Sigma_{\ddot{X}\ddot{Y}} - \Sigma_{\ddot{X}Z}\Sigma_{ZZ}^\dagger \Sigma_{Z\ddot{Y}}$$
  Le théorème 1 établit que $\Sigma_{\ddot{X}\ddot{Y}|Z} = 0$ si et seulement si $X \perp\!\!\!\perp Y | Z$ (sous des hypothèses de noyaux caractéristiques).

B. Statistique de Test

La statistique de test est basée sur la norme de Hilbert-Schmidt de l'estimateur empirique de l'opérateur CCCO :
$$T_n = n \| \hat{\Sigma}_{\ddot{X}\ddot{Y}|Z} \|_{HS}^2$$
Sous l'hypothèse nulle ($H_0$), cette statistique devrait être proche de zéro.

C. Estimation et Implémentation Numérique

• Régularisation : Comme l'opérateur de covariance $\Sigma_{ZZ}$ est souvent singulier ou mal conditionné dans les espaces fonctionnels, son inverse est estimé via une régularisation de Tikhonov avec un paramètre $\epsilon_n$.
• Approximation des fonctions : Les fonctions observées sont discrétisées. Les auteurs utilisent un lisseur basé sur les noyaux (RKHS smoother) pour reconstruire les trajectoires continues à partir de points discrets, puis approximent les produits scalaires et les distances via la règle de Simpson.
• Calcul des valeurs propres : La distribution asymptotique de $T_n$ sous $H_0$ dépend des valeurs propres d'un opérateur linéaire complexe. Pour éviter le coût computationnel prohibitif d'une matrice $n^2 \times n^2$, les auteurs proposent un algorithme d'accélération exploitant le fait que le rang de la matrice est au plus $n$, réduisant le calcul à une matrice $n \times n$.

3. Contributions Clés

1. Extension aux Données Fonctionnelles : C'est la première méthode rigoureuse pour tester l'indépendance conditionnelle de variables fonctionnelles (courbes) utilisant une approche basée sur les noyaux.
2. Justification Théorique Rigoureuse : L'article comble une lacune théorique majeure. Les travaux antérieurs (Zhang et al., 2011) sur les données multivariées n'avaient fourni qu'une ébauche de preuve pour la distribution asymptotique, sans conditions détaillées.
   • Les auteurs démontrent que la distribution asymptotique (loi du khi-deux pondérée) n'est valide que si le taux de convergence des estimateurs des opérateurs de régression est plus rapide que $n^{-1/4}$.
   • En utilisant un résultat récent de Choi et al. (2026) sur les taux de convergence des opérateurs de régression, ils établissent des conditions précises sur la régularité des fonctions ($\beta$) et la décroissance des valeurs propres ($\alpha$) pour garantir la validité du test.
3. Algorithme Efficace : Ils proposent une méthode pratique pour estimer les valeurs propres nécessaires à la calibration du test, rendant la méthode applicable à des échantillons de taille modérée.

4. Résultats

A. Études de Simulation

Les auteurs ont simulé des données fonctionnelles selon différents modèles de dépendance (additifs, multiplicatifs, non linéaires).

• Contrôle du taux d'erreur de type I : Sous l'hypothèse nulle (indépendance), les p-values sont uniformément distribuées, confirmant que le test ne rejette pas à tort.
• Puissance du test : Sous les hypothèses alternatives (dépendance), le test rejette l'hypothèse nulle avec une forte puissance, même pour des tailles d'échantillon modérées ($n=100, 200$). La méthode fonctionne aussi bien pour des schémas d'observation équilibrés (mêmes points de temps pour tous) que déséquilibrés (points de temps aléatoires).

B. Applications Réelles

1. Données WISDM (Capteurs d'activité) :
   • Test de l'indépendance entre les accélérations selon les axes X et Y, conditionnellement à l'axe Z, pour différentes activités (marche, jogging, assis, debout).
   • Résultat : Pour la marche et le jogging, les axes X et Y sont conditionnellement indépendants de Z (le mouvement est synchronisé). Pour l'activité "assis", ils ne le sont pas, ce qui correspond à l'analyse physique (oscillations synchronisées sans mouvement vertical significatif).
2. Données WDI (Indicateurs de Développement Mondial) :
   • Analyse de la dépendance conditionnelle entre divers indicateurs socio-économiques (agriculture, inflation, espérance de vie, etc.) étant donné le PIB.
   • Résultat : La construction d'un graphe de dépendance montre que l'espérance de vie dépend des autres facteurs même après contrôle du PIB, tandis que le taux d'intérêt réel semble être conditionnellement indépendant des autres facteurs une fois le PIB pris en compte.

5. Signification et Impact

Cet article est une avancée significative pour l'analyse de données fonctionnelles. Il fournit un outil statistique robuste pour explorer la structure de dépendance complexe entre des courbes, essentiel pour la modélisation graphique fonctionnelle et l'inférence causale dans des contextes modernes (IoT, biostatistiques, économétrie).

Surtout, la contribution théorique concernant la convergence des opérateurs de régression et la justification rigoureuse de la distribution asymptotique du test de Zhang et al. (2011) renforcent la crédibilité de toute la famille de tests basés sur les noyaux, tant pour les données fonctionnelles que multivariées. Cela permet aux chercheurs d'utiliser ces méthodes avec une confiance accrue dans leurs propriétés asymptotiques.