[论文解读] Robust statistics, hypothesis testing, and confidence intervals for persistent homology on metric measure spaces

Andrew J. Blumberg, Itamar Gal+2 more|arXiv (Cornell University)|Jun 20, 2012

Topological and Geometric Data Analysis参考文献 30被引用 6

一句话总结

本文通过分析固定大小子样本的条形码分布，提出了一种在度量测度空间中持久同调的稳健统计框架。该框架利用瓶颈距离实现假设检验与置信区间，证明条形码分布随样本量增加而稳定，且对噪声具有鲁棒性，实证结果表明该方法能以高置信度检测真实拓扑特征，而非虚假特征。

ABSTRACT

We study distributions of persistent homology barcodes associated to taking subsamples of a fixed size from metric measure spaces. We show that such distributions provide robust invariants of metric measure spaces, and illustrate their use in hypothesis testing and providing confidence intervals for topological data analysis.

研究动机与目标

• 解决将持久同调用作检验统计量时因对噪声和低概率特征敏感而导致的稳健性不足问题。
• 为持久同调建立统计基础，纳入度量测度空间的底层概率测度。
• 通过建模有限样本的条形码分布，实现在拓扑数据分析中的假设检验与置信区间。
• 证明条形码分布随样本量增加而趋于稳定，并对微小扰动具有鲁棒性。
• 使用Vietoris-Rips复形与见证复形对方法进行验证，表明不同计算方法下结果一致。

提出的方法

• 将经验测度 $\Phi_k^n$ 定义为产品测度 $\mu_X^{\otimes n}$ 在第 $k$ 个持久同调映射下的推出，得到条形码空间 $\overline{\mathcal{B}}$ 上的分布。
• 使用瓶颈度量 $d_{\mathcal{B}}$ 对条形码空间进行度量化，确保其完备性与可分性，以支持概率论应用。
• 应用非参数估计（定义6.8）计算经验条形码分布与假设条形码之间均值瓶颈距离（MHD）的置信区间。
• 使用Prohorov度量与Wasserstein度量对条形码空间上分布的弱收敛进行度量化，实现统计推断。
• 实现算法7.1，通过 $K=1000$ 个子样本与条形码截断值2，计算 $\Phi_k^n$ 的经验近似。
• 使用自助抽样法验证结果，显示非参数置信区间与自助置信区间高度一致。

实验结果

研究问题

• RQ1 能否将有限样本的持久同调条形码建模为波兰空间上的随机变量，以支持统计推断？
• RQ2 在存在噪声与低概率伪影的情况下，如何构建拓扑特征的稳健置信区间与假设检验？
• RQ3 随着样本量增加，子样本条形码分布是否趋于稳定？其对微小扰动是否具有鲁棒性？
• RQ4 不同复形构造方式（Vietoris-Rips与见证复形）如何影响条形码分布的稳定性和集中性？
• RQ5 针对均值瓶颈距离的非参数置信区间能否可靠检测出与假设条形码的偏离？

主要发现

• 对于包含150和500个样本的见证复形，$\operatorname{MHD}_1^{150}({\mathcal{M}}(15,30))$ 的95%与99%置信区间分别为 $[0.021,0.023]$ 与 $[0.021,0.024]$，表明对参考条形码距离的估计具有高度置信。
• $\operatorname{MHD}_1^{100}({\mathcal{M}}(15,30))$ 的95%与99%置信区间为 $[0.024,0.027]$，显示出相似的稳定性和精度。
• 在测试包含5根条形码 $[0,2)$ 的假设时，其与5条形码假设的距离显著小于与其他 $\ell \neq 5$ 根条形码假设的距离，且在99%置信水平下具有统计显著性。
• 对于较小样本量（25与75），$\operatorname{MHD}_1^{25}$ 与 $\operatorname{MHD}_1^{75}$ 的置信区间分别为 $[1.931,1.939]$ 与 $[1.859,1.866]$，表明对5条形码假设的距离存在高度置信的显著偏离。
• 自助抽样结果确认了非参数置信区间的可靠性，显示两者高度一致，进一步强化了该方法的稳健性。