तकनीकी सारांश: उच्च आयामों में सहप्रसरण पृथक्करणीयता (Covariance Separability) का परीक्षण

1. समस्या विवरण

यह शोध पत्र उच्च-आयामी मैट्रिक्स-वेरिएट डेटा के सहप्रसरण संरचना (covariance structure) के लिए पृथक्करणीयता धारणा (separability assumption) के परीक्षण की चुनौती को संबोधित करता है। कई आधुनिक अनुप्रयोगों (जैसे, चित्र, स्थानिक-सामयिक क्षेत्र, स्पेक्ट्रोग्राम) में, प्रेक्षण स्वाभाविक रूप से मैट्रिसेस $X \in \mathbb{R}^{p \times q}$ के रूप में दर्शाए जाते हैं। ऐसे डेटा का सहप्रसरण एक चतुर्थ-क्रम टेंसर (fourth-order tensor) $\Sigma \in \mathbb{R}^{p \times q \times p \times q}$ होता है जिसमें $O(p^2 q^2)$ पैरामीटर होते हैं।

पृथक्करणीयता यह मानती है कि यह जटिल टेंसर इस प्रकार गुणनखंडित होता है: $\Sigma = \Sigma_1 \otimes \Sigma_2$, जहाँ $\Sigma_1 \in \mathbb{R}^{p \times p}$ और $\Sigma_2 \in \mathbb{R}^{q \times q}$ है। यह धारणा पैरामीटर की संख्या को $O(p^2 + q^2)$ तक कम कर देती है, जिससे अनुमान लगाना व्यवहार्य और गणनात्मक रूप से सुलभ हो जाता है। हालाँकि, पृथक्करणीयता को गलत तरीके से लागू करना डाउनस्ट्रीम कार्यों में पक्षपात (bias) का कारण बन सकता है।

मुख्य कठिनाई उच्च-आयामी शासन (high-dimensional regime) में निहित है जहाँ $p, q$ बड़े होते हैं (अक्सर नमूना आकार $N$ के समानुपाती)। इस सेटिंग में:

1. अनियंत्रित नमूना सहप्रसरण सिंगुलर या इल-कंडीशन्ड होता है, जिससे शास्त्रीय लाइक्लीहुड रेशियो टेस्ट (LRT) या तो लागू नहीं किया जा सकता या सांख्यिकीय रूप से अविश्वसनीय होता है।
2. कार्यात्मक डेटा (functional data) के लिए मौजूदा परीक्षण (जो अनंत-आयामी शासन में होते हैं) उच्च-आयामी परिमित-आयामी सेटिंग्स में शक्ति (power) की कमी रख सकते हैं।
3. अनस्ट्रक्चर्ड सहप्रसरण अनुमान पर आधारित मानक परीक्षण गणनात्मक रूप से अत्यधिक खर्चीले होते हैं।

लक्ष्य एक ऐसा परीक्षण विकसित करना है जो $H_0: \Sigma = \Sigma_1 \otimes \Sigma_2$ के लिए गणनात्मक रूप से कुशल, उच्च आयामों में वैध और वितरण संबंधी मिसस्पेसिफिकेशन (distributional misspecification) के प्रति सुदृढ़ हो।

2. कार्यप्रणाली

लेखक एक ऐसा ढांचा प्रस्तावित करते हैं जो पृथक्करणीयता परीक्षण की समस्या को पृथकरणीय श्वेतन (separable whitening) के बाद एक गोलाकारता परीक्षण (sphericity test) के रूप में पुनर्गठित करता है।

2.1. दीर्घवृत्तीय परीक्षण (The Elliptical Test)

प्राथमिक दृष्टिकोण में तीन चरण शामिल हैं:

1. अनुमान (Estimation): शून्य परिकल्पना के तहत, मैट्रिक्स नॉर्मल मैक्सिमम लाइक्लीहुड एस्टिमेटर्स (MMLE) का उपयोग करके पृथकरणीय सहप्रसरण कारकों $\hat{\Sigma}_1$ और $\hat{\Sigma}_2$ का अनुमान लगाएं। इन्हें "फ्लिप-फ्लॉप" पुनरावृत्ति एल्गोरिदम के माध्यम से प्राप्त किया जाता है।

2. श्वेतन (Whitening): डेटा मैट्रिसेस $X_n$ को श्वेतित प्रेक्षणों $Y_n = (\hat{\Sigma}_1 \otimes \hat{\Sigma}_2)^{-1/2} X_n$ में बदलें। यदि शून्य परिकल्पना सत्य है, तो $Y_n$ का सहप्रसरण पहचान ऑपरेटर (identity operator) के समानुपाती होना चाहिए।

3. गोलाकारता परीक्षण (Sphericity Testing): श्वेतित डेटा के अनुभवजन्य सहप्रसरण $\hat{C} = \frac{1}{N} \sum Y_n \otimes Y_n$ पर आधारित एक परीक्षण सांख्यिकी (test statistic) की गणना करें। लेखक प्रदर्शित करते हैं कि पृथकरणीय श्वेतन के कारण, तीन शास्त्रीय गोलाकारता सांख्यिकी एक समान हो जाती हैं:

   • जॉन का सांख्यिकी (John's Statistic): $T_N^{(Jo)} = \frac{1}{pq} \|\frac{pq}{\text{tr}(\hat{C})}\hat{C} - I_{p,q}\|_F^2$
   • नागाओ की सांख्यिकी (Nagao's Statistic): $T_N^{(Na)} = \frac{1}{pq} \|\hat{C} - I_{p,q}\|_F^2$
   • लेडिट-वुल्फ सांख्यिकी (Ledoit-Wolf Statistic): $T_N^{(LW)} = \frac{1}{pq} \|\hat{C} - I_{p,q}\|_F^2 - \frac{pq}{N}(\frac{1}{pq}\text{tr}(\hat{C}))^2$

   श्वेतन चरण के कारण, $\text{tr}(\hat{C}) = pq$ होता है, जिससे ये सांख्यिकी योगात्मक स्थिरांकों (additive constants) तक समकक्ष हो जाती हैं। परीक्षण सांख्यिकी प्रभावी रूप से श्वेतित सहप्रसरण मैट्रिक्स के आइजनवैल्यू (eigenvalues) के प्रसरण को मापती है।

2.2. मोंटे कार्लो द्वारा अंशांकन (Calibration via Monte Carlo)

चूंकि उच्च-आयामी शासन में (श्वेतन कारकों के अनुमान के कारण) सांख्यिकी का बंद रूप (closed form) में वितरण उपलब्ध नहीं है, इसलिए लेखक अंशांकन के लिए मोंटे कार्लो (MC) सिमुलेशन का उपयोग करते हैं।

• $H_0$ के तहत, यदि एक मैट्रिक्स-एफाइन इक्वैरिएंट एस्टिमेटर (जैसे MMLE) का उपयोग किया जाता है, तो परीक्षण सांख्यिकी का वितरण अज्ञात पृथकरणीय कारकों के प्रति अपरिवर्तनीय (invariant) होता है।
• p-मान की गणना देखे गए सांख्यिकी की तुलना एक संदर्भ वितरण (आमतौर पर गाऊसी/Gaussian) से उत्पन्न $M$ सिम्युलेटेड सांख्यिकी से करके की जाती है, जिसका पहचान सहप्रसरण होता है।

2.3. कोणीय परीक्षण (The Angular Test)

दीर्घवृत्तीय परीक्षण की भारी-पूंछ वाले वितरणों (heavy-tailed distributions) के प्रति संवेदनशीलता को संबोधित करने के लिए, लेखक एक कोणीय संस्करण पेश करते हैं:

• श्वेतन के बाद, प्रत्येक प्रेक्षण को रेडियल नॉर्मलाइजेशन के माध्यम से इकाई गोले (unit sphere) पर प्रोजेक्ट किया जाता है: $U_n = Y_n / \|Y_n\|_F$।
• परीक्षण सांख्यिकी इन सामान्यीकृत दिशाओं के अनुभवजन्य सहप्रसरण $\hat{S} = \frac{1}{N} \sum U_n \otimes U_n$ से गणना की जाती है।
• यह चरण रेडियल जानकारी को हटा देता है, जो भारी-पूंछ वाले वितरणों के प्रति परीक्षण को सुदृढ़ बनाता है, जबकि पृथक्करणीयता के लिए प्रासंगिक आकार (shape) की जानकारी को सुरक्षित रखता है।

3. मुख्य योगदान

1. उच्च-आयामी सूत्रीकरण: शोध पत्र विशेष रूप से उस शासन को लक्षित करता है जहाँ $p, q \to \infty$ होता है जब $N$ बढ़ता है, एक ऐसी स्थिति जहाँ शास्त्रीय LRT विफल हो जाता है और कार्यात्मक डेटा परीक्षण उप-इष्टतम (suboptimal) होते हैं।
2. श्वेतन-गोलाकारता तुल्यता: यह स्थापित करता है कि पृथक्करणीयता के लिए परीक्षण करना, पृथकरणीय श्वेतन के बाद गोलाकारता के परीक्षण के समान है। यह जॉन, नागाओ और लेडिट-वुल्फ के परीक्षणों को इस विशिष्ट संदर्भ में एकीकृत करता है।
3. गणनात्मक दक्षता: प्रस्तावित परीक्षण पूर्ण $p^2 q^2$ सहप्रसरण टेंसर बनाने से बचते हैं। इसकी जटिलता MMLE गणना और श्वेतित डेटा के आंतरिक गुणन (inner products) द्वारा नियंत्रित होती है, जो $O(N^3)$ या $O(Npq \min(N, p, q))$ के रूप में स्केल करती है, जो स्वयं पृथकरणीय मॉडल को फिट करने के बराबर है।
4. कोणीय प्रक्षेपण के माध्यम से सुदृढ़ता: कोणीय संस्करण का परिचय वितरण संबंधी मिसस्पेसिफिकेशन (विशेष रूप से भारी-पूंछ वाले वितरण) के विरुद्ध एक व्यावहारिक समाधान प्रदान करता है। यह उन वितरणों के तहत भी नाममात्र स्तर (nominal levels) बनाए रखता है जहाँ मानक दीर्घवृत्तीय परीक्षण विफल हो जाता है।
5. सैद्धांतिक गारंटी:
   • परिमित-नमूना स्तर नियंत्रण: गाऊसीय अंशांकन के तहत दीर्घवृत्तीय परीक्षण के लिए सिद्ध, बशर्ते कि एक अद्वितीय, मैट्रिक्स-एफाइन इक्वैरिएंट एस्टिमेटर का उपयोग किया जाए।
   • उच्च-आयामी निरंतरता (Consistency): दोनों परीक्षणों के लिए "सघन" विकल्पों (जहाँ गैर-पृथक्करणीयता स्पेक्ट्रम में फैली हुई है) के विरुद्ध सिद्ध किया गया है, यह मानते हुए कि छद्म-सत्य (pseudo-true) पृथकरणीय पैरामीटर एक विशिष्ट दर पर अभिसरण करते हैं।

4. परिणाम

सिमुलेशन अध्ययन

• स्तर नियंत्रण (Level Control): गाऊसीय डेटा के तहत, दोनों परीक्षण सटीक परिमित-नमूना स्तर नियंत्रण प्राप्त करते हैं। भारी-पूंछ वाले (मैट्रिक्स-t) डेटा के तहत, दीर्घवृत्तीय परीक्षण गंभीर आकार मुद्रास्फीति (size inflation) प्रदर्शित करता है, जबकि कोणीय परीक्षण विभिन्न आयामों और नमूना आकारों में लगभग नाममात्र स्तर बनाए रखता है।
• शक्ति (Power): कोणीय परीक्षण गाऊसीय डेटा के तहत दीर्घवृत्तीय परीक्षण के लगभग समान शक्ति बनाए रखता है, जो पुष्टि करता है कि रेडियल नॉर्मलाइजेशन पहचान क्षमता का त्याग नहीं करता है। दोनों परीक्षण निम्न आयामों में शास्त्रीय LRT और उच्च आयामों में कार्यात्मक डेटा परीक्षणों की तुलना में बेहतर शक्ति प्रदर्शित करते हैं।
• संग और हॉफ (2026) के साथ तुलना: लेखक नोट करते हैं कि उनका "दीर्घवृत्तीय" परीक्षण स्वतंत्र रूप से संग और हॉफ द्वारा प्रस्तावित सांख्यिकी के समान है। हालाँकि, यह शोध पत्र निम्नलिखित कारणों से स्वयं को अलग करता है:
  • इसे प्रथम सिद्धांतों (MMLE अपरिवर्तनीयता) से व्युत्पन्न किया गया है।
  • सघन (dense) विकल्पों के लिए निरंतरता सिद्ध करता है (संग और हॉफ का ध्यान स्पार्स/आंशिक समदैशिकता पर है)।
  • सुदृढ़ता के लिए कोणीय संस्करण पेश करता है।
  • एक तैयार उपयोग योग्य R पैकेज (elseptest) प्रदान करता है।

वास्तविक दुनिया का अनुप्रयोग

इन विधियों को पांच रोमांस भाषाओं के ध्वन्यात्मक डेटा (लॉग-स्पेक्ट्रोग्राम और MFCCs) पर लागू किया गया।

• निष्कर्ष: कोणीय परीक्षण ने सभी पांच भाषाओं और दोनों प्रस्तुतियों के लिए पृथक्करणीयता धारणा को 0.001 के p-मान के साथ खारिज कर दिया (999 सिमुलेशन के साथ न्यूनतम प्राप्त योग्य मान)।
• महत्व: यह पुष्टि करता है कि गैर-पृथक्करणीयता डेटा संरचना की एक वास्तविक विशेषता है, न कि प्रीप्रोसेसिंग या वितरण संबंधी धारणाओं का एक आर्टिफैक्ट, जो एस्टन एट अल. (2017) के निष्कर्षों को MFCCs और एक अधिक सुदृढ़ परीक्षण ढांचे तक विस्तारित करता है।

5. महत्व और दावे

शोध पत्र एक महत्वपूर्ण अंतर को भरने का दावा करता है जहाँ अनियंत्रित सहप्रसरण अनुमान असंभव है, फिर भी पृथक्करणीयता धारणा का व्यापक रूप से उपयोग किया जाता है। समस्या को गोलाकारता परीक्षण में बदलकर, लेखक LRT के लिए एक गणनात्मक रूप से व्यवहार्य विकल्प प्रदान करते हैं।

लेखक विनम्रतापूर्वक स्वीकार करते हैं कि उनकी सैद्धांतिक निरंतरता उन धारणाओं पर निर्भर करती जो वैकल्पिक वितरण के तहत छद्म-सत्य पृथकरणीय मापदंडों के अभिसरण से जुड़ी हैं, जो अनुभवजन्य रूप से समर्थित हैं लेकिन सामान्य गैर-पृथकरणीय मामले के लिए पूरी तरह से सिद्ध नहीं हैं। वे यह भी नोट करते हैं कि जबकि कोणीय परीक्षण रेडियल मिसस्पेसिफिकेशन को कम करता है, यह सभी वितरण निर्भरता को समाप्त नहीं करता है क्योंकि श्वेतन कारक अभी भी डेटा से अनुमानित होते हैं।

अंततः, यह कार्य उच्च-आयामी मैट्रिक्स-वेरिएट डेटा में पृथक्करणीयता धारणा को मान्य करने के लिए एक व्यावहारिक, सुदृढ़ और सैद्धांतिक रूप से आधारित उपकरण प्रदान करता है, जिसमें भारी-पूंछ वाले वितरणों के विरुद्ध लचीलेपन के कारण सामान्य उपयोग के लिए कोणीय परीक्षण की सिफारिश की गई है।