Em que se baseia o teste de Heller?

Passo 1

O que você perguntou: “Em que se baseia o teste de Heller?”\n\nO que tenho para trabalhar (não veio nenhum dado numérico): a pergunta é conceitual — preciso explicar a ideia, os passos e as propriedades do teste de Heller. Vou listar claramente o que vou responder: (a) qual é a hipótese testada; (b) a ideia central / intuição; (c) a construção formal do estatístico (com as fórmulas principais); (d) como se obtém o valor-p; (e) vantagens, limitações e como proceder na prática passo a passo para aplicar o teste na prova ou num trabalho. Não há dados numéricos no enunciado, então darei um pequeno exemplo ilustrativo sem calcular p‑valor numérico.

Passo 2

Resumo rápido do objetivo do teste (o que ele testa).\n\nO teste de Heller (frequentemente citado como HHG — Heller, Heller & Gorfine) é um teste não paramétrico de independência entre duas variáveis (ou vetores) baseado em distâncias/ranks. A hipótese nula é H_0:\\ X\\ \text{é independente de}\\ Y,é
e a alternativa é que exista alguma dependência (qualquer forma de associação, inclusive não linear e local).

Passo 3

Intuição simples e por que essa ideia faz sentido.\n\nIntuição: se X e Y são independentes, então a configuração espacial (em termos de distâncias entre pontos) em X não deve estar relacionada com a configuração em Y. O que Heller propõe é olhar, para muitos pares de observações, se os pontos que estão “próximos” em X também tendem a estar “próximos” em Y. Se há dependência, em muitas dessas janelas locais haverá coincidência: muitos pontos serão simultaneamente próximos em X e em Y. Se não há dependência, a proximidade em X e em Y ocorre de modo independente, então não teremos esse acúmulo de coincidências.

Passo 4

Definição formal das quantidades usadas (com fórmulas).\n\nSeja uma amostra empírica de tamanho n: \{(X_i,Y_i)\}_{i=1}^n, onde X_i e Y_i podem ser uni ou multivariados. Defina as distâncias (qualquer métrica adequada, muitas vezes Euclidiana) entre observações em cada margem:
d_X(i,k)=\text{dist}\big(X_i,X_k\big),\qquad d_Y(i,k)=\text{dist}\big(Y_i,Y_k\big).
Para cada par distinto (i,j) considera-se as radii \rho_X=d_X(i,j) e \rho_Y=d_Y(i,j). Para cada terceiro índice k ( k\ne i,j) define-se os indicadores de proximidade
I_X^{(i,j)}(k)=1\{d_X(i,k)\le \rho_X\}, \qquad I_Y^{(i,j)}(k)=1\{d_Y(i,k)\le \rho_Y\}.
Com isso constrói-se uma tabela 2\times2 de contagens (para o par (i,j)):
a_{ij}=\sum_{k\ne i,j} 1\{I_X^{(i,j)}(k)=1,\\ I_Y^{(i,j)}(k)=1\},
b_{ij}=\sum_{k\ne i,j} 1\{I_X^{(i,j)}(k)=1,\\ I_Y^{(i,j)}(k)=0\},
c_{ij}=\sum_{k\ne i,j} 1\{I_X^{(i,j)}(k)=0,\\ I_Y^{(i,j)}(k)=1\},
d_{ij}=\sum_{k\ne i,j} 1\{I_X^{(i,j)}(k)=0,\\ I_Y^{(i,j)}(k)=0\}.
Essas quatro contagens formam as células observadas de uma tabela 2\times2. Para essa tabela calcula-se a estatística de associação (por exemplo a estatística qui-quadrado de Pearson para a tabela):
S_{ij}=\sum_{\text{celulas}} \frac{(O-E)^2}{E},
onde O são as contagens observadas a_{ij},b_{ij},c_{ij},d_{ij} e E são as expectativas sob independência, obtidas pelas marginais da tabela. Finalmente, o estatístico global do teste é a soma dessas medidas sobre muitos pares (i,j); por exemplo
T=\sum_{i<j} S_{ij},
ou outra soma equivalente sobre pares ordenados (existem variações). A ideia é que, sob dependência, muitos S_{ij} serão grandes e T acumulará evidência contra H_0.

Passo 5

Por que usar ranks/distâncias e porque o teste é não‑paramétrico.\n\n- Ao usar distâncias e comparar com a distância entre o próprio par (i,j), a construção fica baseada em ordem/rank de distâncias (não em valores absolutos), o que torna o teste invariante a transformações monótonas marginais.
  • Não é necessário assumir uma forma funcional (linearidade, normalidade etc.). Por isso o teste é não‑paramétrico e consistente contra praticamente qualquer tipo de dependência (ou seja, se há alguma associação, para n grande o teste tende a detectá‑la).

Passo 6

Como se obtém o valor‑p na prática (teste por permutações).\n\nA distribuição nula exata do estatístico T é complicada. Na prática usa‑se um procedimento de permutação: repetir um grande número B de vezes onde se permuta aleatoriamente as coordenadas Y entre as observações (quebrando assim qualquer dependência real), recalcula‑se T para cada permutação e obtém‑se a distribuição empírica de T sob H_0. O valor‑p é então
\text{p‑valor}=\frac{1+\#\{b:\\ T^{(b)}\ge T^{\text{obs}}\}}{1+B},
onde T^{\text{obs}} é o valor observado e T^{(b)} os valores permutados. Esse procedimento é simples, exato em termos de nível (assintoticamente e em muitos casos exato condicionalmente), e apropriado porque o teste é baseado em permutar margens.

Passo 7

Propriedades importantes e comparações rápidas com outros testes.\n\n- Consistência ampla: o teste detecta qualquer dependência quando n\to\infty.
  • Permite X e Y multivariados.
  • É sensível tanto a dependências globais como a dependências locais (pequenas regiões de associação).
  • É rank‑/distância‑based — invariante a transformações monótonas marginais.
  • Comparação: distância de correlação (distance correlation) e HHG têm propósitos parecidos; em alguns cenários HHG é mais sensível a padrões locais, em outros distance correlation é mais simples e computacionalmente mais barato. Há também testes baseados em mutua informação ou MIC; cada um tem vantagens e custos computacionais.

Passo 8

Algoritmo passo a passo para aplicar o teste (como você faria numa prova ou num script) — procedimento prático e implementável.\n\n1) Calcular as matrizes de distâncias \{d_X(i,k)\} e \{d_Y(i,k)\} para todos i,k.
2) Para cada par i\ne j: definir \rho_X=d_X(i,j) e \rho_Y=d_Y(i,j); formar os indicadores I_X^{(i,j)}(k) e I_Y^{(i,j)}(k) para todos k\ne i,j; contar a_{ij},b_{ij},c_{ij},d_{ij}.
3) Calcular a estatística local S_{ij} (qui‑quadrado da tabela ou outra medida de associação para a 2\times2).
4) Agregar: calcular T=\sum_{i<j} S_{ij} (ou a soma equivalente usada na referência).
5) Repetir passos 2–4 para B permutações aleatórias de Y para construir a distribuição nula.
6) Calcular o valor‑p por comparação do T observado com a distribuição permutada.
7) Decidir: rejeitar H_0 se o valor‑p for menor que o nível escolhido (por ex. 0,05).\n\nDica prática: escolher B como 1000 ou 5000 para p‑valores razoáveis; tomar cuidado com custo computacional porque o método é tipicamente O(n^2) em memória/computação e o laço de permutações multiplica esse custo — existem implementações otimizadas e versões que amostram pares (i,j) em vez de usar todos.

Passo 9

Exemplo ilustrativo (pequeno, apenas para ver como são contagens).\n\nSuponha n=4 e pontos perfeitamente alinhados (dependência forte). Pegue um par (i,j). Se \rho_X e \rho_Y forem grandes, muitos k satisfarão I_X=1 e I_Y=1, gerando a_{ij} grande; se X e Y forem independentes, as ocorrências de I_X=1 e I_Y=1 serão próximas do que se espera pela multiplicação das marginais (portanto muitos S_{ij} não serão grandes). Somando muitos S_{ij} diferencia os dois cenários.

Passo 10

Limitações e cuidados.\n\n- Custo computacional: para n grande o cálculo bruto é pesado. Em provas, basta explicar o procedimento; em código, usar otimizações.
  • Interpretação: rejeitar H_0 diz apenas que há alguma dependência, não especifica a forma; para entender o tipo de relação convém fazer análises gráficas e medidas complementares.
  • Implementação: escolha da métrica de distância e de quantas permutações pode afetar poder e custo; mas a abordagem é bastante robusta.

Resposta

O teste de Heller baseia‑se em comparar, para muitos pares de observações, a coincidência de vizinhanças em X e em Y: para cada par (i,j) constroem‑se contagens em uma tabela 2\times2 que indicam quantos outros pontos são simultaneamente próximos em X e em Y, calcula‑se uma estatística de associação (por ex. qui‑quadrado) para cada par e soma‑se essas estatísticas em um único T; o valor‑p é obtido por permutações de Y. O procedimento é não‑paramétrico, baseado em distâncias/ranks, permite variáveis multivariadas e é consistente contra uma gama muito ampla de dependências.

Exercícios relacionados