최적 양자화 기반 조건부 분위수 추정

1. 서론 조건부 평균·분산 대신 전체 조건부 분포를 파악하기 위해 조건부 분위수 q_α(x)를 추정하는 필요성이 강조된다. 기존 방법으로는 커널, 로컬 선형, K‑Nearest Neighbor 등이 있으나, 대역폭 선택의 전역성, 차원 저주 등에 한계가 있다. 저자는 이러한 문제를 해결하기 위해 최적 양자화라는 개념을 도입한다. 2. 최적 양자화 이론 X∈ℝ^d에 대해 Lp‑optimal N‑grid γ_N를 정의하고, 양자화 오차 ‖X−e_X^N‖_p를 최소화한다. Zador 정리와 그 변형을 통해 오차가 N^{-1/d}·(k_X^{p+δ})^{1/p}·C 형태로 감소함을 보인다. 존재와 유일성(특히 1차원) 결과, 그리고 최적 그리드 찾기를 위한 확률적 경사 알고리즘(CL VQ)의 구조를 상세히 설명한다. 3. 조건부 분위수와 양자화의 결합 조건부 분위수는 체크 함수 ρ_α를 이용한 최소화 문제와 동등함을 이용한다. X를 양자화된 변수 e_X^N로 대체해 근사 분위수 e_q_{N,α}(x)를 정의하고, 이와 원본 q_α(x) 사이의 차이를 Lp‑norm으로 분석한다. 주요 가정(A)에서는 X와 오차 ε가 독립이며, m(x,ε)=m_1(x)+m_2(x)ε 형태의 선형 구조를 갖는다. Lipschitz 연속성으로부터 ‖m(u,ε)−m(v,ε)‖_p ≤ C|u−v|를 얻고, 이를 통해 분위수 근사의 오차를 양자화 오차와 연결한다. 4. 수렴 속도와 일관성 결과 정리 3.1은 ‖e_q_{N,α}(X)−q_α(X)‖_p ≤ 2r·max{α/(1−α), (1−α)/α}·