예측과 인간미를 잇는 통계학자, 세이모어 가이서와의 대화

** 이 논문은 2004년 가이서의 집에서 진행된 인터뷰를 바탕으로, 그의 개인사, 학문적 업적, 교육 및 사회적 기여를 종합적으로 서술한다. 먼저 가이서의 가정 배경을 소개한다. 폴란드 워소에서 이민 온 유대인 가정으로, 가난한 환경 속에서 뉴욕 브루클린으로 이주했다. 고등학교 시절 체스와 농구를 즐기며 학문적 호기심을 키웠고, 무료였던 시티 컬리지에서 수학을 전공했다. 대학 시절 통계학에 눈을 뜨게 된 계기는 사촌 레온·길포드와 그의 아내 도로시·길포드의 소개였으며, 이때 통계학이 자신의 진로가 될 것임을 직감했다. 학부 졸업 후 노스캐롤라이나 대학교(UNC)로 진학해 석·박사 과정을 밟았다. 이때 하버드·콜럼비아·시카고 등 당시 통계학계의 거물인 하틀링, 호프딩, 로이, 로빈스, 네이먼 등과 직접 교류했으며, 하틀링을 멘토로 삼아 행렬 고유값·특성벡터에 관한 석사 논문을, 평균제곱 연속 차분에 관한 박사 논문을 완성했다. 박사 과정 중 메릴랜드 애버딘 시험장(군수 시험장)에서 군사 통계 문제를 다루며, 연속 차분을 이용한 분산 추정법을 고안했다. 이는 이후 교차 검증과 부트스트랩의 이론적 기반이 되었다. 가이서는 1950년대 초반부터 베이지안 다변량 분석, 베이지안 진단, 베이지안 중간 분석 등 베이지안 통계학의 여러 분야를 개척했다. 특히 “예측 분포의 추론적 사용” 논문에서는 파라미터가 아닌 예측 분포 자체를 분석 대상으로 삼아, 모델의 예측 정확도를 직접 평가하는 방법론을 제시했다. 이 사상은 1993년 저서 *Predictive Inference*에서 체계화되었으며, 통계학이 ‘관측 가능한 양의 예측력’에 초점을 맞추어야 한다는 그의 핵심 철학을 명확히 했다. 교차 검증(cross‑validation)이라는 방법론을 독립적으로 개발한 인물 중 하나인 가이서는 1975년 JASA에 발표한 “The predictive sample reuse method with applications”에서 표본 재사용을 통한 예측 오차 추정법을 제시했다. 이 논문은 현재 머신러닝에서 널리 쓰이는 K‑fold 교차 검증, LOOCV 등 재표본화 기법의 이론적 토대가 된다. 법과학 분야에서도 가이서는 선구적 역할을 수행했다. 100건 이상의 살인·강간·친자 확인 사건에서 DNA 증거에 대한 통계 전문가 증인으로 참여했으며, 검찰이 제시한 통계적 증거가 과대평가되었음을 지적했다. 그의 경험을 바탕으로 2000년 *Statistics, litigation and conduct unbecoming* 논문을 발표했으며, 법정 통계 검증의 필요성을 강조했다. 이는 통계학이 사회 정의에 직접 기여할 수 있음을 보여주는 중요한 사례이다. 교육자로서 가이서는 1971년 미네소타 대학교 통계학부 설립을 주도했고, 뛰어난 교수진을 영입해 세계적인 통계학 연구소로 성장시켰다. 그의 지도 아래 배출된 박사들은 현재 각국의 학계·산업·정부기관에서 핵심 역할을 수행하고 있다. 그는 “통계학은 기술적 숙련을 넘어 과학적 진리 탐구의 도구”라는 교육 철학을 강조했으며, 이는 그의 저서 *Models of Parametric Statistical Inference*(2006)와 강의 노트에 일관되게 반영되어 있다. 사회적 활동으로는 NIH·FDA·NRC·NISS·NRC 등 주요 연방기관 위원회에서 통계학적 조언을 제공했으며, 1991년 ASA 대통령 초청 연설을 통해 예측 중심 통계학의 중요성을 널리 알렸다. 또한 ‘World Men of Science’, ‘American Men and Women of Science’, ‘Who’s Who in America’ 등에 등재될 정도로 학문적·사회적 위상을 확보했다. 마지막으로, 가이서는 개인적인 어려움에도 불구하고 가족, 특히 아내 앤의 지원으로 학문 활동을 지속했으며, 2004년 3월 11일 별세했다. 사망 후 미네소타 대학교는 그의 이름을 딴 ‘Seymour Geisser Lectureship in Statistics’를 설립해 매년 뛰어난 통계학자를 초청한다. 전체적으로 이 논문은 가이서가 통계학을 ‘예측을 통한 과학적 진리 탐구’라는 일관된 목표 아래, 이론·방법·응용·교육·사회서비스까지 포괄적으로 확장시킨 인물임을 강조한다. 그의 사상과 업적은 오늘날 데이터 과학, 머신러닝, 법과학, 통계 교육 등 다양한 분야에서 재조명되고 있으며, 미래 통계학 연구의 방향성을 제시한다. **