베이지안 계산과 인구유전학 모델 선택

초록

본 논문은 Approximate Bayesian Computation(ABC)의 회귀 보정 방식을 일반선형모델(GLM)로 재구성하여 베이지안 프레임워크 내에서 모델 선택을 가능하게 한다. 제안 방법을 서부 침팬지(Pan troglodytes verus)의 집단 분할 문제에 적용해 베이즈 요인을 통해 대안 모델들을 비교한다.

상세 분석

이 연구는 ABC가 전통적으로 허용오차(tolerance) 값을 작게 잡아야만 정확한 사후분포를 얻을 수 있다는 한계를 지적한다. Beaumont et al. (2002)의 사후 샘플링 회귀 보정은 허용오차를 크게 잡아도 보정 과정을 통해 근사 사후분포를 개선했지만, 그 자체가 베이지안 통계 체계와 완전히 일치하지 않아 모델 선택에 직접 활용하기 어려웠다. 저자들은 이 회귀 보정을 일반선형모델(GLM) 형태로 재표현함으로써, 회귀 계수를 베이지안 사전분포와 결합해 사후분포를 명시적으로 계산할 수 있게 했다. GLM 기반 보정은 선형 관계를 가정하면서도 다변량 요약통계량을 동시에 다룰 수 있어, 요약통계 선택에 대한 유연성을 제공한다.

핵심 수학적 전개는 다음과 같다. 먼저, 시뮬레이션으로 생성된 파라미터-요약통계 쌍 ((\theta_i, s_i))를 수집하고, 관측 요약통계 (s_{obs})와의 거리 (||s_i-s_{obs}||)가 허용오차 (\epsilon) 이하인 샘플들을 선택한다. 선택된 샘플에 대해 GLM을 적용해
\