Logarithmic energy distances and Gini covariance for Hilbert-valued random elements

Sintesi Tecnica: Distanze Energetiche Logaritmiche e Covarianza di Gini per Elementi Casuali con Valori in uno Spazio di Hilbert

Enunciato del Problema
L'articolo investiga il regime di confine delle distanze energetiche generalizzate e delle statistiche di covarianza di Gini per elementi casuali che assumono valori in uno spazio di Hilbert reale separabile $H$. Queste statistiche sono tradizionalmente definite utilizzando kernel di distanza di potenza della forma $(x, y) \mapsto \|x - y\|^\alpha$ per $\alpha \in (0, 2)$. Sebbene questi metodi siano ben consolidati per l'inferenza non parametrica e i test di bontà dell'adattamento, il comportamento di queste statistiche al tendere il parametro al limite inferiore, $\alpha \downarrow 0$, non era stato pienamente caratterizzato in contesti a dimensione infinita. Gli autori mirano a determinare l'oggetto limite di questa famiglia di kernel e a investigare le loro proprietà statistiche, specificamente per i problemi a due campioni e a $k$-campioni.

Metodologia
L'approccio metodologico centrale si basa sull'espansione elementare della funzione potenza vicino allo zero: $\|x - y\|^\alpha = 1 + \alpha \log \|x - y\| + o(\alpha)$ per $\alpha \downarrow 0$. Applicando questa espansione alla definizione della distanza energetica generalizzata $E_\alpha(X, Y)$, gli autori mostrano che, dopo aver cancellato i termini costanti e applicata una successiva normalizzazione (dividendo per $\alpha$), la distanza converge a una distanza energetica logaritmica:
$$E_0(X, Y) = 2\mathbb{E}[\log \|X - Y\|] - \mathbb{E}[\log \|X - X'\|] - \mathbb{E}[\log \|Y - Y'\|],$$
dove $X'$ e $Y'$ sono copie indipendenti di $X$ e $Y$.

Gli autori estendono questo concetto al problema a $k$-campioni definendo una covarianza di Gini logaritmica, $c_{\log}$, che funge da somma pesata di distanze energetiche logaritmiche a coppie. Lo sviluppo teorico procede in diverse fasi:

1. Caratterizzazione: L'articolo stabilisce che $E_0(X, Y) = 0$ se e solo se le distribuzioni di $X$ e $Y$ sono identiche. La prova utilizza la formula di Frullani per rappresentare la distanza logaritmica come un integrale di MMD (Maximum Mean Discrepancies) al quadrato associati a kernel gaussiani $k_z(x, y) = \exp(-z\|x - y\|^2)$. Questa rappresentazione sfrutta il teorema di Schoenberg e il fatto che le misure di probabilità in uno spazio di Hilbert separabile sono determinate dalle loro marginali a dimensione finita.
2. Proprietà Strutturali: Si dimostra che la covarianza di Gini logaritmica è invariante rispetto a traslazioni comuni e cambiamenti di scala, una proprietà che distingue la statistica standard con kernel di potenza (la quale scala per $b^\alpha$).
3. Teoria Asintotica:
   • Sotto l'Ipotesi Nulla ($H_0$): Per un $k$ fissato, la covarianza di Gini logaritmica empirica è asintoticamente degenere. La sua distribuzione limite è derivata come una somma infinita pesata di variabili casuali chi-quadrato centrate, dove i pesi sono gli autovalori di un operatore integrale associato al kernel $K_0(x, y)$.
   • Sotto le Alternative: Quando le distribuzioni differiscono, la statistica è non degenere. L'articolo dimostra la normalità asintotica per la statistica empirica sotto alternative fisse, stabilendo la consistenza.
4. Implementazione: A causa della dipendenza della distribuzione nulla dagli autovalori ignoti, gli autori propongono una procedura basata sulla permutazione per calibrare la statistica del test.

Contributi Chiave
L'articolo apporta tre contributi primari:

1. Introduzione di Analoghi Logaritmici: Introduce formalmente le distanze energetiche logaritmiche e la covarianza di Gini logaritmica come gli oggetti limite naturali della famiglia di distanze di potenza quando $\alpha \downarrow 0$.
2. Caratterizzazione in Spazi di Hilbert: Dimostra che la distanza energetica logaritmica mantiene la fondamentale proprietà di caratterizzazione ($E_0 = 0 \iff P=Q$) in spazi di Hilbert separabili, collegandola alle MMD con kernel gaussiani: questo estende l'applicabilità delle statistiche energetiche ai dati funzionali senza richiedere modifiche alla metodologia.
3. Quadro Asintotico e Pratico: Deriva sia la teoria nulla che quella alternativa asintotica per la covarianza di Gini logaritmica empirica in un framework a $k$-campioni fissi e fornisce una strategia di implementazione pratica basata sulle permutazioni.

Risultati
Gli autori presentano risultati numerici da uno studio di simulazione e da applicazioni su dati reali:

• Simulazione: Lo studio confronta i test logaritmici proposti ($E_0$ e una variante $E_{\log}$) con il test standard della distanza energetica ($E_1$) e un altro competitore. I risultati indicano che, mentre tutti i test mantengono il livello di significatività nominale, le procedure logaritmiche mostrano una potenza sostanzialmente superiore contro le alternative di scala e di forma, in particolare quelle che coinvolgono cambiamenti nella struttura della covarianza, deviazioni dalla normalità o differenze nella dispersione relativa. I guadagni sono notati essere più pronunciati in dimensioni più elevate e in contesti di dati funzionali.
• Applicazioni su Dati Reali:
  • Dataset Iris e Wine: I test hanno rilevato con successo l'ipotesi nulla di uguaglianza delle distribuzioni per i dataset Fisher Iris e Wine, in linea con le differenze note tra questi campioni multivariati.
  • Berkeley Growth Data: Applicati a dati funzionali (curve di crescita di bambini e ragazze), i test logaritmici rilevano differenze distributive in specifici intervelli di età ([1, 4), [13, 18), e [1, 18]) dove anche le funzioni media differiscono, pur fallendo correttamente nel rifiutare l'uguaglianza nell'intervallo [4, 13) dove le funzioni media sono simili.

Significatività e Rivendicazioni
L'articolo sostiene che il framework logaritmico rivela un "nuovo fenomeno di confine" all'interno della famiglia di statistiche di tipo energetico. La sua significatività risiede in:

• Analisi dei Dati Funzionali: La formulazione in spazi di Hilbert permette il trattamento diretto dei dati funzionali, evitando la necessità di riduzione della dimensione o modifiche specifiche della metodologia.
• Sensibilità alla Struttura Geometrica: A differenza dei kernel energetici ordinari che enfatizzano la separazione globale, il kernel logaritmico è descritto come più sensibile alla struttura geometrica relativa e alle interazioni locali. Ciò fornisce uno strumento complementare alle statistiche energetiche esistenti, particolarmente utile per rilevare alternative di non-locazione.
• Connessione con i Metodi Kernel: La derivazione stabilisce un legame teorico tra le distanze energetiche logaritmiche e le MMD con kernel gaussiani, unendo diverse aree dell'inferenza non parametrica.

Gli autori concludono con modestia, osservando che il lavoro apre diverse strade per la ricerca futura, inclusi gli estensioni a spazi di Banach generali, regimi asintotici ad alta dimensione ($d_N \gg N$), e procedure adattive che combinano molteplici valori di $\alpha$.