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

Resumo Técnico: Distâncias de Energia Logarítmicas e Covariância de Gini para Elementos Aleatórios com Valores em Hilbert

Enunciado do Problema
O artigo investiga o regime de fronteira das distâncias de energia generalizadas e das estatísticas de covariância de Gini para elementos aleatórios que assumem valores em um espaço de Hilbert real separável $H$. Essas estatísticas são tradicionalmente definidas usando núcleos de distância de potência da forma $(x, y) \mapsto \|x - y\|^\alpha$ para $\alpha \in (0, 2)$. Embora esses métodos sejam bem estabelecidos para inferência não paramétrica e testes de adequação (goodness-of-fit), o comportamento dessas estatísticas à medida que o parâmetro se aproxima da fronteira inferior, $\alpha \downarrow 0$, não havia sido totalmente caracterizado em configurações de dimensão infinita. Os autores visam determinar o objeto limite desta família de núcleos e investigar suas propriedades estatísticas, especificamente para os problemas de duas amostras e de $k$-amostras.

Metodologia
A abordagem metodológica central baseia-se na expansão elementar da função de potência próximo a zero: $\|x - y\|^\alpha = 1 + \alpha \log \|x - y\| + o(\alpha)$ conforme $\alpha \downarrow 0$. Ao aplicar esta expansão à definição da distância de energia generalizada $E_\alpha(X, Y)$, os autores mostram que, após cancelar termos constantes e realizar uma normalização adequada (dividindo por $\alpha$), a distância converge para uma distância de energia logarítmica:
$$E_0(X, Y) = 2\mathbb{E}[\log \|X - Y\|] - \mathbb{E}[\log \|X - X'\|] - \mathbb{E}[\log \|Y - Y'\|],$$
onde $X'$ e $Y'$ são cópias independentes de $X$ e $Y$.

Os autores estendem este conceito para o problema de $k$-amostras ao definir uma covariância de Gini logarítmica, $c_{\log}$, que serve como uma soma ponderada de distâncias de energia logarítmicas pareadas. O desenvolvimento teórico procede em várias etapas:

1. Caracterização: O artigo estabelece que $E_0(X, Y) = 0$ se, e somente se, as distribuições de $X$ e $Y$ forem idênticas. A prova utiliza a fórmula de Frullani para representar a distância logarítmica como uma integral de MMDs (Maximum Mean Discrepancies) quadráticas associadas a núcleos gaussianos $k_z(x, y) = \exp(-z\|x - y\|^2)$. Esta representação aproveita o teorema de Schoenberg e o fato de que medidas de probabilidade em um espaço de Hilbert separável são determinadas por suas marginais de dimensão finita.
2. Propriedades Estruturais: A covariância de Gini logarítmica mostra-se invariante sob translações comuns e mudanças de escala, uma propriedade que distingue o núcleo de potência padrão da covariância de Gini (que escala por $b^\alpha$).
3. Teoria Assintótica:
   • Sob a Hipótese Nula ($H_0$): Para $k$ fixo, a covariância de Gini logarítmica empírica é assintoticamente degenerada. Sua distribuição limite é derivada como uma soma infinita ponderada de variáveis aleatórias qui-quadrado centradas, onde os pesos são os autovalores de um operador integral associado ao núcleo $K_0(x, y)$.
   • Sob Alternativas: Quando as distribuições diferem, a estatística é não degenerada. O artigo prova a normalidade assintótica para a estatística empírica sob alternativas fixas, estabelecendo consistência.
4. Implementação: Devido à dependência da distribuição nula em relação aos autovalores desconhecidos, os autores propõem um procedimento baseado em permutação para calibrar a estatística de teste.

Principais Contribuições
O artigo apresenta três contribuições primárias:

1. Introdução de Análogos Logarítmicos: Ele introduz formalmente as distâncias de energia logarítmicas e a covariância de Gini logarítmica como os objetos naturais de fronteira da família de distância de potência quando $\alpha \downarrow 0$.
2. Caracterização em Espaços de Hilbert: Prova que a distância de energia logarítmica retém a propriedade fundamental de caracterização ($E_0 = 0 \iff P=Q$) em espaços de Hilbert separáveis, ligando-a às MMDs de núcleo gaussiano. Isso estende a aplicabilidade das estatísticas de energia para dados funcionais sem exigir modificação da metodologia.
3. Estrutura Assintótica e Prática: Deriva as teorias assintóticas nula e alternativa para a covariância de Gini logarítmica empírica em um framework de $k$ fixo e fornece uma implementação prática baseada em permutação.

Resultados
Os autores apresentam resultados numéricos de um estudo de simulação e aplicações de dados reais:

• Simulação: O estudo compara os testes logarítmicos propostos ($E_0$ e uma variante $E_{\log}$) contra o teste de distância de energia padrão ($E_1$) e outro competidor. Os resultados indicam que, embora todos os testes mantenham o nível de significância nominal, os procedimentos logarítmicos exibem um poder substancialmente maior contra alternativas de escala e forma, particularmente aquelas envolvendo mudanças na estrutura de covariância, desvios da normalidade ou diferenças na dispersão relativa. Os ganhos são notados como mais pronunciados em configurações de alta dimensão e de dados funcionais.
• Aplicações de Dados Reais:
  • Datasets Iris e Wine: Os testes rejeitam com sucesso a hipótese nula de distribuições iguais para os conjuntos de dados multivariados Fisher Iris e Wine, consistente com as diferenças conhecidas entre essas amostras.
  • Dados de Crescimento de Berkeley: Aplicado a dados funcionais (curvas de crescimento de meninos e meninas), os testes logarítmicos detectam diferenças distributivas em intervalos de idade específicos ([1, 4), [13, 18), e [1, 18]) onde as funções de média também diferem, enquanto falham corretamente em rejeitar a igualdade no intervalo [4, 13) onde as funções de média são similares.

Significância e Alegações
O artigo afirma que o framework logarítmico revela um "novo fenômeno de fronteira" dentro da família de estatísticas do tipo energia. Sua significância reside em:

• Análise de Dados Funcionais: A formulação em espaço de Hilbert permite o tratamento direto de dados funcionais, evitando a necessidade de redução de dimensão ou modificações específicas da metodologia.
• Sensibilidade à Estrutura Geométrica: Diferente dos núcleos de energia ordinários que enfatizam a separação global, o núcleo logarítmico é descrito como sendo mais sensível à estrutura geométrica relativa e interações locais. Isso fornece uma ferramenta complementar às estatísticas de energia existentes, particularmente para detectar alternativas de não-localidade.
• Conexão com Métodos de Núcleo: A derivação estabelece um elo teórico entre distâncias de energia logarítmicas e MMDs de núcleo gaussiano, unindo diferentes áreas da inferência não paramétrica.

Os autores concluem modestamente, observando que o trabalho abre diversas vias para pesquisas futuras, incluindo extensões para espaços de Banach gerais, regimes assintóticos de alta dimensão ($d_N \gg N$), e procedimentos adaptativos que combinam múltiplos valores de $\alpha$.