구간 데이터 피팅의 새로운 전환 평균과 표준편차 도출

초록

본 논문은 실험 데이터의 구간 분석을 이용해 파라미터 추정을 수행하고, 그 결과를 전통적인 평균·표준편차 형태로 변환하는 방법을 제시한다. 구간 방법의 엄격한 보장성을 유지하면서도 통계적 해석이 가능하도록 하는 절차와 수학적 근거를 상세히 설명한다.

상세 분석

구간 분석은 측정값의 불확실성을 구간 형태로 표현함으로써 계산 과정에서 발생할 수 있는 모든 오차를 포괄한다. 전통적인 최소제곱법이나 최대우도법은 확률적 가정에 의존해 평균값과 분산을 추정하지만, 실제 실험에서는 측정 장비의 한계, 환경 변화, 인간 오류 등으로 인해 오차가 비정규적이거나 비대칭적인 경우가 빈번하다. 이러한 상황에서 구간 방법은 “보장된” 해를 제공한다는 점에서 매력적이다. 그러나 기존 구간 피팅은 결과가 구간 자체로만 제시돼 해석이 어려워 실무에서 활용도가 낮았다. 저자는 이 문제를 해결하기 위해 두 단계의 변환 과정을 도입한다. 첫 번째 단계는 구간 모델을 이용해 파라미터 공간에서 가능한 해 집합을 구하는 것으로, 이는 선형/비선형 방정식 시스템에 대한 구간 연산과 수렴 보장을 위한 분할‑정밀화 기법을 활용한다. 두 번째 단계에서는 이 해 집합을 확률적 분포로 근사한다. 구체적으로, 해 집합을 다차원 균등분포로 가정하고, 각 파라미터에 대한 기대값과 분산을 계산한다. 이때 구간의 상하한을 이용해 평균을 중앙값(중심점)으로, 표준편차는 상한‑하한 차이를 2·√3 로 나눈 값으로 정의한다(균등분포의 표준편차 공식). 이러한 변환은 구간 해의 “보장성”을 유지하면서도 통계적 보고 형식에 맞출 수 있게 한다. 논문은 또한 베이지안 사전분포와의 관계를 논의하며, 구간 해를 사전분포의 비정형 형태로 해석할 수 있음을 보여준다. 핵심적인 수학적 결과는 구간 연산이 비선형 함수에 적용될 때 발생하는 과보수(overestimation)를 최소화하기 위한 “중심점 보정” 기법과, 해 집합의 부피를 정밀히 추정해 표준편차 계산에 반영하는 방법이다. 실험 사례에서는 물리 실험 데이터와 화학 반응 속도 측정 데이터를 대상으로 구간 피팅 후 평균·표준편차를 도출했으며, 전통적인 통계적 추정치와 비교해 차이가 작지만, 구간 방법이 제공하는 보장 범위가 더 넓어 신뢰성을 높인다는 결론을 얻었다.