OT-LiNGAM glouton

la cause se reconnaît à son résidu le moins gaussien : on la retire, on recommence

1 · MODÈLE ET CRITÈRE

$$X_j=\sum_{k\in\mathrm{Pa}(j)}B_{jk}X_k+\varepsilon_j$$$$\varepsilon_1,\dots,\varepsilon_d\ \text{indépendants, au plus un gaussien}$$
$$h(R)=W_2^2\big(\mathrm{std}(R),\,\mathcal N(0,1)\big)=\frac1n\sum_{i=1}^n\big(r_{(i)}-q_i\big)^2$$
$$s_t=\arg\max_{j\ \text{restante}}h(R_j)$$$$R_k\leftarrow R_k-\frac{\langle R_k,R_{s_t}\rangle}{\langle R_{s_t},R_{s_t}\rangle}\,R_{s_t}$$

\(r_{(1)}\le\dots\le r_{(n)}\) : 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

graphe causal (inconnu de l'algorithme) et ordre construit — clique un nœud pour le choisir
résidus standardisés contre quantiles gaussiens : l'aire orange mesure \(h\)
résidu le plus non gaussien (choix glouton) vraie arête arête estimée juste arête estimée fausse
\(\hat G_n(\sigma)=\sum_j h\big(R_j(\sigma)\big)\) pour les 24 ordres, du plus grand au plus petit — ordres causaux en vert, ordres encore possibles en plein
bruits :

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

4 · CLASSIFICATION

bruits\(h(\varepsilon)\) en populationordre causal retrouvé, gloutonexhaustif
uniformes0,046100 %100 %
exponentiels (asymétriques)0,19499,7 %100 %
Laplace (queues lourdes : score bruité)0,03792 %100 %
inégaux : source presque gaussienne (somme de 3 uniformes), \(X_1\) et \(X_4\) exponentiels0,003 / 0,1940 %100 %
gaussiens (non identifiable ; hasard : 2/24 ≈ 8 %)04 %6 %

Simulation : 300 tirages du graphe ci-dessus, n = 1000, poids ±[0,6 ; 1], échelles des bruits dans [0,7 ; 1,3].