Bivariate Frank Copula: Some More Results on Point Estimation of the Association Parameter from a Bayesian Perspective and Revisiting the Goodness of Fit Tests with an Application to Model Groundwater Data from Dong Thap, Vietnam

Résumé technique : Copule de Frank bivariée : Estimation ponctuelle et ajustement avec application aux eaux souterraines

Énoncé du problème
Ce travail aborde deux défis principaux dans l'analyse statistique de données bivariées utilisant la copule de Frank. Premièrement, bien que des recherches antérieures (Pham et al., 2025) aient établi la supériorité de l'estimateur du maximum de vraisemblance (MLE) sur les estimateurs par la méthode des moments pour le paramètre d'association $\theta$, la performance des estimateurs bayésiens sous des priors non informatifs restait inexplorée. Deuxièmement, bien que Genest et al. (2006) aient introduit des tests d'ajustement (GoF) pour les copules de Frank, leurs valeurs critiques étaient basées sur des simulations limitées (1 000 réplications) et manquaient de tables complètes pour différentes tailles d'échantillon et plages de paramètres. De plus, les auteurs ont identifié un besoin d'appliquer ces outils statistiques à des données environnementales réelles, spécifiquement la contamination des eaux souterraines dans le delta du Mékong, où les distributions marginales sont souvent non normales.

Méthodologie
L'article est divisé en deux composantes majeures :

1. Estimation ponctuelle bayésienne :
   Les auteurs examinent deux estimateurs bayésiens pour le paramètre d'association $\theta$ sous une perte d'erreur quadratique :

   • Estimateur Bayésien à Priori Plat (BFPE) : Dérivé en utilisant un prior généralisé plat non informatif ($\pi_{FP}(\theta) = d > 0$).
   • Estimateur Bayésien à Priori de Jeffreys (BJPE) : Dérivé en utilisant le prior invariant de Jeffreys ($\pi_{JP}(\theta) = \sqrt{I(\theta)}$), où $I(\theta)$ est l'information de Fisher par observation.

   Ces estimateurs sont comparés au MLE grâce à une étude de simulation complète impliquant $M = 4 \times 10^4$ réplications. L'étude évalue le biais et l'erreur quadratique moyenne (MSE) pour des tailles d'échantillon $n$ allant de 15 à 100 et des valeurs de paramètres $\theta$ de 0,1 à 10. L'intégration numérique requise pour les estimateurs bayésiens est réalisée à l'aide d'une quadrature adaptative dans R, avec une attention particulière à la précision computationnelle pour les petites tailles d'échantillon.

2. Tests d'ajustement (GoF) :
   Les auteurs réexaminent les statistiques de test de Cramér–von Mises ($S_n$) et de Kolmogorov–Smirnov ($T_n$) proposées par Genest et al. (2006). Ils mènent une étude de simulation extensive avec 10 000 réplications pour générer des tables élargies de valeurs critiques pour $S_n$ et $T_n$ aux percentiles 90 et 95. Ces tables couvrent des tailles d'échantillon $n \in [25, 1000]$ et des paramètres d'association $\theta \in [-25, 25]$. L'étude analyse également les propriétés distributionnelles de ces statistiques, notant leur manque de symétrie par rapport à $\theta$.

3. Application aux données d'eaux souterraines :
   La méthodologie est appliquée à un ensemble de données de la province de Dong Thap, au Vietnam, comprenant des échantillons d'eaux souterraines de deux sous-régions (Nord, $n=23$ ; Sud, $n=44$). L'étude modélise l'association entre l'Arsenic (As) et trois éléments bénins : le Chlorure (Cl), le niveau d'oxydoréduction (Eh) et le pH. Les auteurs vérifient d'abord la non-normalité des distributions marginales, puis testent l'hypothèse selon laquelle les paires bivariées suivent une distribution de copule de Frank en utilisant les nouvelles valeurs critiques générées et les valeurs p par bootstrap.

Résultats clés

• Performance des estimateurs :

  • Petits échantillons ($n \le 25$) : Le BJPE domine uniformément à la fois le BFPE et le MLE en termes de MSE. Le MLE fonctionne bien mais est légèrement inférieur au BJPE dans cette plage.
  • Échantillons modérés à grands ($n > 25$) : L'écart de performance se réduit considérablement. Pour $n > 25$, le BJPE, le BFPE et le MLE présentent des performances presque identiques en termes de biais et de MSE, devenant statistiquement équivalents.
  • Nuance computationnelle : Les auteurs notent que pour de très petits échantillons ($n \le 10$), la résolution de l'équation normale via la commande nleqslv dans R produit des résultats MLE moins précis que la maximisation directe de la log-vraisemblance via optim.

• Propriétés des tests GoF :

  • Asymétrie : Contrairement à l'intuition, les valeurs critiques pour $S_n$ et $T_n$ ne sont pas symétriques par rapport à $\theta$ (c'est-à-dire que les valeurs pour $\theta$ et $-\theta$ diffèrent). Cela est attribué au manque de symétrie dans la fonction de distribution $K(t, \theta)$.
  • Monotonie : Les valeurs critiques pour les deux statistiques diminuent à mesure que l'amplitude de $\theta$ augmente (s'éloignant de 0).
  • Mise en œuvre : Les auteurs proposent une règle pratique pour mettre en œuvre le test GoF : utiliser la valeur absolue du paramètre estimé, $|\hat{\theta}|$, pour sélectionner les valeurs critiques dans les tables, ou réorienter les données $(U, 1-V)$ si $\hat{\theta}$ est négatif et $|\hat{\theta}| \ge 2,5$.

• Application aux eaux souterraines :

  • Les tests GoF (à la fois $S_n$ et $T_n$) et les valeurs p par bootstrap soutiennent massivement l'hypothèse selon laquelle les paires bivariées (As-Cl, As-Eh, As-pH, Eh-pH) dans les deux sous-régions peuvent être modélisées par la copule de Frank.
  • Les paramètres d'association estimés ($\hat{\theta}$) révèlent des dynamiques distinctes : As et pH montrent une association positive dans le Nord mais une association faible dans le Sud ; As et Eh montrent une forte association négative dans le Sud.
  • Les estimations de corrélation paramétriques dérivées de la copule de Frank ($\hat{\hat{\rho}}_K, \hat{\hat{\rho}}_S$) s'alignent étroitement sur les estimations non paramétriques, validant l'ajustement du modèle.

Portée et affirmations
L'article revendique trois contributions spécifiques :

1. Extension bayésienne : Il fournit la première comparaison complète des estimateurs bayésiens (BFPE et BJPE) par rapport au MLE pour la copule de Frank. Il établit que le BJPE est l'estimateur préféré pour les petites tailles d'échantillon ($n \le 25$) en raison de sa performance MSE supérieure.
2. Raffinement des tests GoF : Il complète et affine l'œuvre fondatrice de Genest et al. (2006) en fournissant des tables de valeurs critiques de haute précision basées sur 10 000 réplications (contre 1 000 précédemment) et en révélant une asymétrie non intuitive dans les distributions des statistiques de test.
3. Application pratique : Il démontre l'utilité de la copule de Frank pour modéliser des données environnementales complexes et non normales, spécifiquement la dynamique des eaux souterraines au Vietnam, offrant un cadre robuste pour comprendre l'association entre les éléments cancérigènes et bénins.

Les auteurs maintiennent un ton modeste, notant que bien que les tests GoF soutiennent le modèle de copule de Frank, cette application sert de point de départ pour de futures études impliquant des régressions non linéaires et des extensions multivariées. Ils soulignent également que les aspects computationnels du MLE dans R nécessitent une manipulation prudente pour les très petits échantillons afin d'éviter les biais.