상관 정규 변수 최대값에 대한 기대 전파

초록

본 논문은 두 개의 상관된 정규 변수의 최대값에 대한 사후 평균과 분산을 정확히 유도하고, 이를 이용해 다수의 정규 변수 집합에 대한 최대값 관계를 근사적으로 모델링한다. 기대 전파(Expectation Propagation) 프레임워크 내에서 상대 엔트로피를 최소화하는 가우시안 근사를 제공함으로써, 복잡한 최적화‑관련 추론 문제를 효율적으로 해결할 수 있는 방법론을 제시한다.

상세 분석

논문은 먼저 두 개의 상관된 정규 변수 X₁∼N(μ₁,σ₁²)와 X₂∼N(μ₂,σ₂²) 사이의 공분산 ρσ₁σ₂를 가정하고, 이들의 최대값 M = max(X₁,X₂)의 사후 분포를 구한다. 기존 연구에서는 독립인 경우에만 폐쇄형 해를 제시했으나, 저자들은 연관성을 포함한 경우에도 M의 1차·2차 모멘트를 정확히 계산할 수 있음을 증명한다. 핵심은 M의 확률밀도함수를 두 변수의 결합 정규분포에서 영역 {x₁≥x₂}와 {x₂≥x₁}로 나누어 적분하고, 가우시안 누적분포 Φ와 정규밀도 φ를 이용해 식을 전개하는 것이다. 결과적으로

E