측정 잡음이 존재할 때의 마코프 성질

초록

최근에는 측정된 데이터 집합으로부터 확률 미분 방정식을 재구성하는 강력한 도구들이 제안되었다

상세 요약

본 연구는 확률 미분 방정식(SDE) 추정 분야에서 핵심적인 전제인 마코프성(Markov property)이 실제 측정 데이터에 어떻게 왜곡될 수 있는지를 정량적으로 밝힌다. 기존 문헌에서는 작은 시간 간격에서 마코프성이 깨지는 현상을 주로 물리적 비선형성, 다중 시간 스케일, 혹은 비마코프적 메모리 효과와 연결지어 해석해 왔다. 그러나 저자들은 측정 과정 자체가 도입하는 잡음—특히 독립적인 백색 잡음과 디지털화에 따른 양자화 오류—가 마코프성을 인위적으로 파괴한다는 점을 강조한다.

이론적 측면에서 저자들은 먼저 순수 마코프 과정 X(t)의 확률 전이 확률 p(x_{t+Δ}|x_t)와 측정 잡음 η(t)를 더한 관측값 Y(t)=X(t)+η(t)를 정의한다. η(t)가 독립이고 평균이 0인 가우시안 잡음이라고 가정하면, Y(t)의 조건부 확률 p(y_{t+Δ}|y_t)는 원래의 전이 확률과 잡음의 합성 형태가 된다. 이때, 잡음의 분산이 충분히 작지 않다면 p(y_{t+Δ}|y_t)는 y_{t-Δ}와도 통계적 의존성을 갖게 되며, 이는 마코프성의 정의인 “현재 상태가 미래를 완전히 결정한다”는 조건을 위배한다.

실험적 검증으로는, 저자들이 알려진 마코프 과정(예: 오르스테인‑Uhlenbeck 과정)을 시뮬레이션하고, 인위적인 백색 잡음을 추가한 뒤, 조건부 확률 밀도 함수와 Kramers‑Moyal 계수를 추정하였다. 결과는 잡음이 없는 경우와 비교했을 때, 작은 Δt 구간에서 두 번째 및 세 번째 Kramers‑Moyal 계수가 비정상적으로 증가함을 보여준다. 이는 마코프성 검증에 흔히 사용되는 “조건부 독립성 테스트”가 잡음에 민감하게 반응한다는 실증적 증거이다.

이 연구가 갖는 의미는 두 가지로 요약할 수 있다. 첫째, 기존에 물리적 원인으로 해석되던 작은 스케일에서의 마코프성 위배가 실제로는 측정 장비의 한계, 즉 잡음에 기인할 가능성이 높다는 점이다. 둘째, 측정 잡음은 실험 설계 단계에서 통제하거나 사후 보정(예: 베이즈 디컨볼루션, Wiener 필터)할 수 있는 반면, 내재적인 비마코프적 동역학은 근본적인 모델링 변경이 필요하다. 따라서 SDE 재구성 알고리즘을 적용하기 전에 데이터 전처리 단계에서 잡음 수준을 정량화하고, 필요시 잡음 제거 절차를 도입하는 것이 필수적이다.

향후 연구 과제로는 (1) 비가우시안 잡음, (2) 시간 의존적(색 잡음) 잡음, (3) 다변량 시스템에서의 교차 잡음 효과 등을 고려한 일반화된 마코프성 검증 프레임워크 개발이 있다. 이러한 확장은 실제 금융, 생물물리, 기후 데이터와 같이 복합적인 잡음 구조를 갖는 분야에서 SDE 기반 모델링의 신뢰성을 크게 향상시킬 것으로 기대된다.