Wasserstein Spatial Depth

यहाँ बाचोक, गोंजालेज-सांज़, लुबेस और याओ के शोध पत्र "Wasserstein Spatial Depth" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र वितरण-मानित डेटा (distribution-valued data - यादृच्छिक संभाव्यता माप) के सांख्यिकीय विश्लेषण की चुनौती को संबोधित करता है, जो वॉसरस्टीन स्पेस ($\mathcal{P}_2(\mathbb{R}^d)$) के भीतर एम्बेड (embedded) हैं।

• संदर्भ: AI, जलवायु विज्ञान और जीव विज्ञान जैसे क्षेत्रों में आधुनिक डेटा अक्सर सरल वेक्टर्स के बजाय वितरणों (जैसे हिस्टोग्राम, चित्र, या डेटा के बैच) के रूप में होता है। इन्हें एक मीट्रिक स्पेस में यादृच्छिक वस्तुओं के रूप में मॉडल करना, उनके ज्यामितीय संरचना और परिवर्तनशीलता को यूक्लिडियन मॉडलों की तुलना में बेहतर तरीके से पकड़ता है।
• अंतराल (The Gap): पारंपरिक सांख्यिकीय उपकरण, विशेष रूप से सांख्यिकीय डेप्थ (जो डेटा बिंदुओं को उनकी केंद्रीयता के आधार पर रैंक करती है, जिससे आउटलेयर डिटेक्शन, रैंकिंग और नॉनपैरामीट्रिक टेस्टिंग संभव होती है), यूक्लिडियन स्पेस के लिए डिज़ाइन किए गए हैं।
  • वॉसरस्टीन स्पेस नॉन-लीनियर होते हैं और इनमें एक रीमानियन मैनिफोल्ड संरचना (जहाँ जियोडेसिक्स सीधी रेखाएं नहीं होतीं) होती है।
  • मौजूदा डेप्थ माप (जैसे टकी डेप्थ, मोंज-केंटोरोविच डेप्थ) या तो नॉन-लीनियर स्पेस में सामान्यीकरण करने में विफल रहते हैं या उच्च आयामों में कम्प्यूटेशनल रूप से अव्यवहार्य (exponential complexity) हो जाते हैं।
  • वितरणों को हिल्बर्ट स्पेस (जैसे RKHS के माध्यम से) में केवल एम्बेड करने से वॉसरस्टीन स्पेस की अंतर्निहित जियोडेसिक ज्यामिति की अनदेखी होती है, जिससे "ऑर्डरिंग" विकृत हो जाती है और सूचना की हानि होती है।

लक्ष्य: वॉसरस्टीन स्पेस के लिए विशेष रूप से तैयार किया गया एक नया सांख्यिकीय डेप्थ कॉन्सेप्ट विकसित करना, जो अंतर्निहित ज्यामिति का सम्मान करते हुए यूक्लिडियन डेप्थ के वांछनीय गुणों (रैंकिंग, मजबूती, इनवेरिएंस) को बनाए रखता है।

2. कार्यप्रणाली: वॉसरस्टीन स्पेशियल डेप्थ (WSD)

लेखक वॉसरस्टीन स्पेशियल डेप्थ (WSD) का प्रस्ताव करते हैं, जो संभाव्यता मापों के स्थान के लिए शास्त्रीय यूक्लिडियन स्पेशियल डेप्थ का एक विस्तार है।

A. ज्यामितीय आधार (Geometric Foundation)

इसकी परिभाषा ऑप्टिमल ट्रांसपोर्ट (OT) ढांचे पर आधारित है:

• मान लीजिए कि $P$ वितरणों का एक वितरण है (संभाव्यता मापों पर एक माप) और $Q$ एक विशिष्ट वितरण है (स्थान में एक बिंदु)।
• यूक्लिडियन स्पेस में, स्पेशियल डेप्थ को एक बिंदु $x$ से यादृच्छिक सैंपल $X$ तक के वेक्टर्स के अपेक्षित दिशा द्वारा परिभाषित किया जाता है।
• वॉसरस्टीन स्पेस में, "दिशा" को $Q$ से $P$ को जोड़ने वाले जियोडेसिक के वेलोसिटी फील्ड (velocity field) द्वारा प्रतिस्थापित किया जाता है।
• पूर्णतः निरंतर (absolutely continuous) $Q$ और $P$ के लिए, स्थिर-गति वाला जियोडेसिक ऑप्टिमल ट्रांसपोर्ट मैप $T_{Q,P}$ द्वारा उत्पन्न होता है। $t=0$ पर वेलोसिटी फील्ड $v = T_{Q,P} - I$ है।

B. परिभाषा (Definition)

एक वितरण $P$ के सापेक्ष वितरण $Q$ की WSD को इस प्रकार परिभाषित किया गया है:
\text{WSD}(Q; P) := 1 - \left( \int \left\| \mathbb{E}_{P \sim P} \left[ \frac{x - T_{Q,P}(x)}{W_2(P, Q)} \right] \|^2 dQ(x) \right)^{1/2}

• अंतर्ज्ञान (Intuition): यह $Q$ की "केंद्रीयता" को यह गणना करके मापता है कि यादृच्छिक नमूनों $P$ तक $Q$ को ले जाने के लिए आवश्यक औसत सामान्यीकृत वेलोसिटी वेक्टर क्या है। यदि $Q$ केंद्रीय है, तो ये वेक्टर्स एक-दूसरे को रद्द कर देते हैं (कम नॉर्म), जिससे डेप्थ 1 के करीब आती है। यदि $Q$ एक आउटलेयर है, तो वेक्टर्स एक ही दिशा में संरेखित होते हैं, जिससे डेप्थ 0 के करीब पहुँच जाती है।
• डिस्क्रीटनेस को संभालना: पेपर में उन मामलों के लिए एक विशिष्ट फॉर्मूलेशन प्रदान किया गया है जहाँ $Q$ पूरी तरह से निरंतर नहीं है, जिसमें यूनिक मैप्स के बजाय ऑप्टिमल ट्रांसपोर्ट प्लान्स का उपयोग किया जाता है।

C. अनुमान (Estimation)

लेखक दो सामान्य डेटा परिदृश्यों के लिए एस्टिमेटर्स प्रस्तावित करते हैं:

1. वन-स्टेज सैंपलिंग: सीधे $n$ वितरणों $P_1, \dots, P_n$ को देखना।
2. टू-स्टेज सैंपलिंग: डेटा पॉइंट्स के एक ऐरे को देखना जहाँ $P_i$ अज्ञात हैं और प्रत्येक से $m$ नमूनों ($X_{i,1}, \dots, X_{i,m}$) से अनुमानित किया जाना चाहिए।

• एस्टिमेटर जनसंख्या माप $P$ को एम्पिरिकल मेजर $P_n$ (या $P_{n,m}$) से और ऑप्टिमल ट्रांसपोर्ट मैप्स को एम्पिरिकल डिस्ट्रीब्यूशन से प्राप्त मैप्स से बदल देता है।
• जटिलता (Complexity): इसकी गणना $O(nm^2)$ है, जो कि पॉलीनोमियल है और व्यवहार्य है, जबकि टकी डेप्थ की जटिलता उच्च आयामों में एक्सपोनेंशियल होती है।

3. प्रमुख योगदान और सैद्धांतिक परिणाम

A. मौलिक गुण (Fundamental Properties)

पेपर सिद्ध करता है कि WSD एक वैध सांख्यिकीय डेप्थ के लिए आवश्यक स्वयंसिद्ध गुणों को पूरा करता है:

1. रेंज: मान $[0, 1]$ के बीच होते हैं।
2. ट्रांसफॉर्मेशन इनवेरिएंस: वॉसरस्टीन स्पेस के आइसोमेट्रियों (Isometries) के तहत इनवेरिएंट है (जिसमें ट्रिवियल आइसोमेट्रियां और शेप-प्रिजर्विंग ट्रांसफॉर्मेशन शामिल हैं)।
3. अनंत पर शून्य होना (Vanishing at Infinity): जैसे-जैसे $Q$, $P$ के सपोर्ट से अनंत दूरी पर जाता है, $\text{WSD}(Q; P) \to 0$ होता है।
4. केंद्र पर अधिकतमता (Maximality at the Center): डेप्थ वितरण $P$ के जियोमेट्रिक मीडियन (फ्रैचेट मीन) पर अधिकतम (मान 1) होती है, बशर्ते कि मीडियन अद्वितीय और पूर्णतः निरंतर हो।
5. जियोडेसिक इनवेरिएंस: डेप्थ मीडियन से निकलने वाले जियोडेसिक्स के साथ स्थिर रहती है।
6. निरंतरता (Continuity): डेप्थ फंक्शन लक्षित वितरण $Q$ और जनसंख्या वितरण $P$ दोनों के संबंध में निरंतर है।

B. मजबूती (Robustness)

• ब्रेकडाउन पॉइंट: लेखक एम्पिरिकल डेप्थ रीजन के ब्रेकडाउन पॉइंट का लक्षण वर्णन करते हैं। वे दिखाते हैं कि ब्रेकडाउन पॉइंट डेप्थ लेवल $\alpha$ के लिए लगभग $\alpha/2$ है, जो यूक्लिडियन स्पेशियल डेप्थ की मजबूती से मेल खाता है।
• इन्फ्लुएंस फंक्शन: वे WSD फंक्शनल का इन्फ्लुएंस फंक्शन निकालते हैं और सिद्ध करते हैं कि यह बाउंडेड (विशेष रूप से ग्रॉस एरर सेंसिटिविटी $\le 2$) है, जो एस्टिमेटर की आउटलेयर्स के प्रति मजबूती की पुष्टि करता है।

C. एसिम्प्टोटिक थ्योरी (Asymptotic Theory)

• कंसिस्टेंसी (Consistency): एम्पिरिकल WSD, नमूना आकार ($n$ और $m$) बढ़ने पर, जनसंख्या WSD की ओर लगभग निश्चित रूप से (almost surely) अभिसरित होता है।
• एसिम्प्टोटिक नॉर्मलिटी: वन-स्टेज सैंपलिंग मॉडल के तहत, एम्पिरिकल WSD सेंट्रल लिमिट थ्योरम का पालन करता है। टू-स्टेज मॉडल के लिए, अभिसरण दरें (convergence rates) स्थापित की गई हैं, जो आयाम $d$ और नमूना आकार $m$ पर निर्भर करती हैं (जैसे, $d=1$ के लिए $O(m^{-1/2})$, $d>2$ के लिए $O(m^{-1/d})$)।

D. सांख्यिकीय निष्कर्ष (Statistical Inference)

• टू-सैंपल टेस्ट: $H_0: P = Q$ बनाम $H_1: P \neq Q$ को टेस्ट करने के लिए एक नॉनपैरामेट्रिक परम्यूटेशन टेस्ट बनाया गया है।
  • टेस्ट दो नमूनों के WSD मानों पर कोलमोगोरोव-स्मिरनोव (Kolmogorov-Smirnov) स्टैटिस्टिक का उपयोग करता है।
  • लेखक सिद्ध करते हैं कि यह टेस्ट टाइप I एरर को सटीक रूप से नियंत्रित करता है (फाइनाइट सैंपल) और कंसिस्टेंट है (जैसे-जैसे नमूना आकार बढ़ता है, पावर $\to 1$ होती है)।

4. प्रयोगात्मक परिणाम (Experimental Results)

पेपर व्यापक सिमुलेशन और एक वास्तविक दुनिया के अनुप्रयोग के माध्यम से कार्यप्रणाली को मान्य करता है:

• कंसिस्टेंसी: एम्पिरिकल अनुमान विभिन्न वितरणों (एक्सपोनेंशियल, वेइबुल, गॉसियन, यूनिफॉर्म) में सैद्धांतिक मानों के करीब हैं।
• लीनियर एम्बेडिंग्स के साथ तुलना: जब वितरणों को हिल्बर्ट स्पेस (RKHS) में एम्बेड किया जाता है और मानक फंक्शनल डेप्थ (जैसे मॉडिफाइड बैंड डेप्थ) लागू की जाती है, तो "ऑर्डरिंग" विकृत हो जाती है। WSD आउटलेयर्स और केंद्रीयता को सही ढंग से पहचानता है, जबकि फंक्शनल डेप्थ उन्हें पहचानने में विफल रहती है।
• अन्य मीट्रिक डेप्थ के साथ तुलना:
  • टकी डेप्थ: वॉसरस्टीन स्पेस के लिए कम्प्यूटेशनल रूप से अव्यवहार्य है।
  • लेंस डेप्थ और मीट्रिक स्पेशियल डेप्थ: ये सामान्य मीट्रिक डेप्थ वॉसरस्टीन स्पेस के सिमुलेशन में आउटलेयर्स का पता लगाने में विफल रहते हैं और इनमें जियोमेट्रिक मीडियन पर अधिकतम होने का गुण नहीं होता है।
• आउटलेयर डिटेक्शन: WSD उच्च-आयामी सेटिंग्स ($d=10$) में "विदेशी" (exotic) वितरणों (आउटलेयर्स) को सफलतापूर्वक पहचानता है जहाँ अन्य विधियाँ विफल हो जाती हैं।
• वास्तविक दुनिया का अनुप्रयोग (जलवायु डेटा):
  • डेटासेट: 40 यूरोपीय स्टेशनों (1874-2023) से दैनिक तापमान, जिसे मासिक तापमान के वितरण के रूप में मॉडल किया गया है।
  • निष्कर्ष: WSD ने विशिष्ट "असामान्य वर्षों" (जैसे 1879, 1929, 1942, 2018) की पहचान की जिनका डेप्थ अत्यंत कम था। ये वर्ष ऐतिहासिक अत्यधिक ठंड, हीटवेव या सूखे के रिकॉर्ड से मेल खाते हैं, जो वैश्विक जलवायु विसंगतियों का पता लगाने में विधि की क्षमता को प्रमाणित करते हैं।

5. महत्व और प्रभाव (Significance and Impact)

• सैद्धांतिक प्रगति: यह कार्य ऑप्टिमल ट्रांसपोर्ट थ्योरी और नॉनपैरामेट्रिक सांख्यिकी के बीच के अंतर को पाटता है, जो वॉसरस्टीन स्पेस में वितरण संबंधी डेटा के लिए पहला कठोर और कम्प्यूटेशनल रूप से व्यवहार्य डेप्थ माप प्रदान करता है।
• व्यावहारिक उपयोगिता: यह जटिल डेटा प्रकारों के लिए मानक सांख्यिकीय कार्यों (रैंकिंग, आउटलेयर डिटेक्शन, हाइपोथेसिस टेस्टिंग) को सक्षम बनाता है, जिन्हें पहले उनकी ज्यामितीय संरचना खोए बिना विश्लेषित करना कठिन था।
• मजबूती: विधि आउटलेयर्स के प्रति मजबूत और कम्प्यूटेशनल रूप से कुशल (पॉलीनोमियल टाइम) है, जो इसे आधुनिक उच्च-आयामी डेटा विश्लेषण के लिए उपयुक्त बनाती है।
• भविष्य की दिशाएं: यह पेपर संभाव्यता मापों की ज्यामिति के लिए विशेष रूप से डिज़ाइन किए गए डेप्थ-आधारित क्लस्टरिंग, रिग्रेशन और वर्गीकरण के मार्ग खोलता है, जो रैखिक सन्निकटन (linear approximations) की सीमाओं से आगे बढ़ता है।

संक्षेप में, वॉसरस्टीन स्पेशियल डेप्थ एक मौलिक उपकरण है जो सांख्यिकीविदों को वितरणों को ज्यामितीय रूप से सुसंगत तरीके से 'फर्स्ट-क्लास सिटीजन' के रूप में मानने की अनुमति देता है, जिससे डेटा की अंतर्निहित संरचना को सुरक्षित रखते हुए शक्तिशाली इन्फेरेंशियल टूल्स सक्षम होते हैं।