베이지안 평균제곱오차 하한: 최적 편향 함수를 이용한 새로운 접근

** 1. **서론 및 배경** 베이지안 추정은 사전 정보와 관측 데이터를 결합해 파라미터 θ의 사후 평균을 이용해 최소 평균제곱오차(MMSE)를 달성한다. 그러나 사후 평균을 직접 계산하는 것은 고차원 적분이나 복잡한 확률 모델 때문에 실용적으로 어려운 경우가 많다. 따라서 MAP, 선형 추정 등 근사적인 방법이 널리 사용되며, 이들의 성능을 평가하기 위해 MMSE에 대한 하한이 필요하다. 기존의 베이지안 하한은 Weiss‑Weinstein, Ziv‑Zakai 계열 등으로, 주로 공분산 부등식이나 검출 문제와의 연관성을 이용한다. 그러나 이러한 하한들은 일반적인 사전·관측 모델에 대해 엄밀한 점근적 분석이 부족하고, 계산 복잡도가 높다. 2. **베이지안‑결정론적 연결** 논문은 베이지안 MSE를 결정론적 MSE의 사전 평균으로 표현한다(식 6). 이 관계는 θ를 고정된 파라미터로 보는 결정론적 추정 문제와, θ를 확률 변수로 보는 베이지안 문제 사이의 다리 역할을 한다. 이를 통해 결정론적 크래머‑라오(CR) 하한을 베이지안 평균에 직접 적용할 수 있다. 3. **결정론적 CRB와 편향 함수** CRB는 편향이 있는 추정기에 대해서도 일반화될 수 있다. 편향 b(θ)=E