OT-LiNGAM glouton
la cause se reconnaît à son résidu le moins gaussien : on la retire, on recommence
1 · MODÈLE ET CRITÈRE
\(r_{(1)}\le\dots\le r_{(n)}\) : résidus standardisés triés ; \(q_i\) : moyenne de la loi \(\mathcal N(0,1)\) sur sa \(i\)-ème tranche de probabilité \(1/n\). \(h\) est l'écart entre la courbe quantile-quantile et la diagonale (la distance exacte ajoute la constante \(1-\frac1n\sum q_i^2\), qui tend vers 0).
2 · À TOI : CHOISIS LA SOURCE, OU LAISSE FAIRE LE GLOUTON
Choisis d'abord un nœud au hasard : si ce n'est pas une source, ses descendants gardent un mélange de bruits et l'ordre final perd des points de \(\hat G_n\). Puis passe aux bruits « inégaux » : la source a un bruit presque gaussien, ses enfants un bruit exponentiel, et le glouton se trompe dès la première étape. Clavier : → étape, ← annuler, 1 à 4 : choisir.
3 · RAPPELS
- Identifiabilité (LiNGAM, Shimizu et al., 2006) : si au plus un bruit est gaussien, l'ordre causal se lit dans la loi des données. Tout gaussien : seule la classe d'équivalence de Markov est identifiable ; essaie « gaussiens », les scores tombent près de 0.
- Pourquoi la source ressort : un résidu mal placé mélange plusieurs bruits indépendants, et le mélange rapproche de la gaussienne. Pour \(\|\alpha\|_2=1\) avec au moins deux \(\alpha_j\neq 0\) (lemme 10) : $$W_2^2\Big(\sum_j\alpha_jS_j,\ \mathcal N(0,1)\Big)\lt\sum_j\alpha_j^2\,W_2^2\big(S_j,\ \mathcal N(0,1)\big).$$ Ainsi \(\hat G_n\) est maximal exactement sur les ordres causaux (théorème 28, en population).
- Calcul exact en dimension 1 : \(W_2^2(\mu,\nu)=\int_0^1\big(F_\mu^{-1}(u)-F_\nu^{-1}(u)\big)^2du\). Il suffit de trier les résidus et de les comparer aux \(q_i\) : ni noyau, ni paramètre, un coût en \(n\log n\).
- Glouton contre exhaustif : le glouton calcule \(O(d^2)\) scores et ne revient jamais sur un choix. Il est garanti quand tous les bruits sont également non gaussiens (théorème 40) ; avec des bruits inégaux, un enfant très non gaussien peut passer devant sa cause. L'exhaustif maximise \(\hat G_n\) par programmation dynamique sur les \(2^d\) sous-ensembles : ici, la première barre.
- Après l'ordre, chaque variable est régressée sur ses prédécesseurs. Le paquet
otlingamchoisit les arêtes par lasso adaptatif (ici, un simple seuil \(|\hat b|\gt 0{,}1\)). Laplante, Ambroise et Humbert (2026), Contrast-free ICA and causal inference via Wasserstein distances to the Gaussian, arXiv:2607.12832.
4 · CLASSIFICATION
| bruits | \(h(\varepsilon)\) en population | ordre causal retrouvé, glouton | exhaustif |
|---|---|---|---|
| uniformes | 0,046 | 100 % | 100 % |
| exponentiels (asymétriques) | 0,194 | 99,7 % | 100 % |
| Laplace (queues lourdes : score bruité) | 0,037 | 92 % | 100 % |
| inégaux : source presque gaussienne (somme de 3 uniformes), \(X_1\) et \(X_4\) exponentiels | 0,003 / 0,194 | 0 % | 100 % |
| gaussiens (non identifiable ; hasard : 2/24 ≈ 8 %) | 0 | 4 % | 6 % |
Simulation : 300 tirages du graphe ci-dessus, n = 1000, poids ±[0,6 ; 1], échelles des bruits dans [0,7 ; 1,3].