Robust Wasserstein barycenter

Título: Baricentro de Wasserstein Robusto (RWB)

1. O Problema

O Baricentro de Wasserstein (WB) clássico é uma ferramenta fundamental na teoria de transporte ótimo para calcular a "média" de um conjunto de distribuições de probabilidade. Ele generaliza o conceito de tendência central para o espaço de medidas de probabilidade e tem aplicações vastas em aprendizado de máquina, estatística e processamento de imagens.

No entanto, o WB clássico apresenta duas limitações fundamentais:

1. Sensibilidade a Outliers: Como minimiza a soma das distâncias de Wasserstein, valores extremos (outliers) ou contaminação nos dados podem distorcer significativamente o resultado, deslocando o baricentro.
2. Restrições de Momentos: A definição clássica exige que as distribuições envolvidas tenham momentos de primeira ou segunda ordem finitos. Isso limita sua aplicabilidade em dados com caudas pesadas (heavy-tailed) ou distribuições sem momentos definidos.

O objetivo deste trabalho é superar essas limitações propondo uma versão robusta que não dependa de suposições de momentos e seja resistente a dados contaminados.

2. Metodologia

Os autores propõem o Baricentro de Wasserstein Robusto (RWB - Robust Wasserstein Barycenter), baseado no conceito de Transporte Ótimo Robusto (ROT).

• Distância de Wasserstein Robusta ($W_p^{(\lambda)}$):
  A metodologia central envolve a modificação da função de custo no problema de transporte ótimo. Em vez de usar a distância métrica padrão $d(x, y)$, introduz-se um parâmetro de regularização $\lambda > 0$ que "trunca" a distância:
  $$c^{(\lambda)}(x, y) := \min\{d(x, y), \lambda\}$$
  Isso limita a influência de qualquer par de pontos que esteja a uma distância maior que $\lambda$, efetivamente ignorando outliers extremos. A distância robusta $W_p^{(\lambda)}$ é então definida como a solução do problema de transporte ótimo utilizando essa função de custo truncada elevada à potência $p$.

• Definição do RWB:
  O RWB é definido como a medida $\nu$ que minimiza a soma esperada das distâncias de Wasserstein robustas para um conjunto de distribuições de entrada:
  $$\nu^{(\lambda)}_{p,k} := \arg \min_{\xi} \sum_{i=1}^n w_i \left[ W_p^{(\lambda)}(\mu_i, \xi) \right]^k$$
  Diferentemente do WB clássico, esta definição não impõe nenhuma suposição de momento finito sobre as medidas de probabilidade de entrada.

• Algoritmo de Cálculo (Suporte Livre - Free-Support):
  Reconhecendo que algoritmos de "suporte fixo" (como IBP - Iterative Bregman Projections) sofrem com a maldição da dimensionalidade em espaços de alta dimensão, os autores propõem um algoritmo de suporte livre.

  • O algoritmo otimiza simultaneamente as massas de probabilidade e as posições dos pontos de suporte do baricentro.
  • Baseia-se em um algoritmo de ponto fixo que atualiza iterativamente a localização dos pontos de suporte para minimizar a função objetivo, aproveitando a esparsidade inerente da solução ótima.

3. Principais Contribuições

O artigo apresenta três contribuições teóricas e práticas principais:

1. Conceito Novel: Introdução do RWB como uma alternativa robusta ao WB clássico, eliminando a necessidade de momentos finitos e mitigando a sensibilidade a outliers.
2. Garantias Teóricas:
   • Existência: Prova-se que um minimizador (o RWB) sempre existe para qualquer medida de probabilidade aleatória no espaço de Wasserstein robusto.
   • Consistência: Demonstra-se que, à medida que a amostra cresce ou a aproximação melhora, o RWB estimado converge para o verdadeiro baricentro robusto.
   • Caracterização do Suporte: Estabelece-se um limite superior para o tamanho do suporte do RWB quando as distribuições de entrada são discretas, fornecendo uma base teórica para algoritmos de suporte livre.
3. Algoritmo Eficiente: Desenvolvimento de um método de suporte livre que generaliza algoritmos existentes, superando a maldição da dimensionalidade e melhorando a precisão em processamento de imagens.

4. Resultados Numéricos

Os autores validaram a metodologia através de experimentos extensivos com dados simulados e reais:

• Processamento de Imagens (Elipses Aleatórias):

  • Em imagens de elipses com pontos de perturbação (outliers) no canto superior direito, o WB clássico produziu baricentros com bordas desfocadas e deslocados em direção aos outliers.
  • O RWB manteve bordas nítidas e não apresentou desvio significativo, demonstrando superioridade visual e quantitativa.

• Análise de Dados Numéricos (Simulação):

  • Contaminação de Dados: Em cenários com diferentes taxas de contaminação (0% a 25%), o RWB manteve uma distância de Wasserstein em relação ao baricentro "verdadeiro" (limpo) significativamente menor e mais estável do que o WB.
  • Distribuições de Cauda Pesada: Testes com distribuições $t$ (que possuem momentos finitos apenas sob certas condições) mostraram que o RWB supera o WB em cenários de caudas pesadas, onde o WB falha ou é instável.

• Dados Reais (Séries Temporais Financeiras):

  • Utilizando preços de fechamento de ações, os autores modelaram os retornos logarítmicos. O conjunto de dados continha outliers extremos.
  • O RWB calculado com dados contaminados foi muito mais próximo do baricentro calculado apenas com dados "limpos" do que o WB clássico, confirmando sua robustez em aplicações financeiras reais.

5. Significado e Conclusão

O trabalho estabelece o Baricentro de Wasserstein Robusto como uma ferramenta estatística superior para cenários do mundo real, onde dados raramente são perfeitamente limpos e frequentemente apresentam distribuições com caudas pesadas ou momentos indefinidos.

• Impacto Prático: Permite a agregação de distribuições em aprendizado de máquina e estatística sem a necessidade de pré-processamento agressivo para remover outliers, preservando a estrutura geométrica dos dados.
• Avanço Computacional: A proposta de algoritmos de suporte livre torna o cálculo viável em dimensões mais altas, superando limitações anteriores de métodos baseados em grades fixas.

Em suma, o RWB oferece uma alternativa teoricamente fundamentada e empiricamente superior ao baricentro de Wasserstein clássico, sendo particularmente valioso para análise de dados financeiros, processamento de imagens e inferência bayesiana em presença de ruído e anomalias.