제어변수를 활용한 다중 가설 순차 검정 최적 설계

초록

**
본 논문은 각 단계에서 실험 제어변수 X를 선택해 관측값 Y의 분포를 조절할 수 있는 상황에서, 파라미터 θ에 대한 다중 가설 H₁,…,H_k를 순차적으로 검정하는 최적 절차의 구조를 규명한다. Y₁, Y₂,…는 주어진 X₁, X₂,…에 대해 조건부 독립이며, 최적의 제어정책과 정지시점이 동적 프로그래밍 형태로 표현된다.

**

상세 분석

**
이 연구는 전통적인 순차 검정(SPRT)과 다중 가설 검정 이론을 제어변수 선택이라는 새로운 차원과 결합한다는 점에서 혁신적이다. 논문은 먼저 관측 모델을
(f_{\theta}(y\mid x)) 로 정의하고, 각 단계 (n)에서 실험자는 사전 정보와 이전 데이터 ((X_{1:n-1},Y_{1:n-1})) 를 이용해 다음 제어값 (X_n) 를 선택한다. 조건부 독립성 가정 ({Y_i}{i=1}^n) 가 (X{1:n}) 에 대해 성립하므로, 전체 로그우도는 단계별 로그우도의 합으로 분해된다.

핵심은 “정책 π”와 “정지시점 τ”를 동시에 최적화하는 문제를 마코프 의사결정 과정(MDP)으로 전환한 것이다. 상태공간은 현재까지 축적된 충분통계량(예: 로그우도 비율)과 선택 가능한 제어값 집합으로 구성된다. 행동은 제어값 선택이며, 보상은 각 단계에서 얻는 정보량(예: Kullback‑Leibler 발산)과 오류 비용을 가중한 형태로 정의된다.

논문은 라그랑주 승수를 도입해 오류 확률 제약 (\alpha_{ij}) (가설 i를 선택했을 때 가설 j가 진실일 확률) 을 포함한 베이즈 위험 최소화 문제를 설정한다. 이때 최적 정책은 동적 프로그래밍 방정식, 즉 베르만 방정식의 해로 표현된다. 구체적으로,
(V_n(s)=\min{ \min_{j} C_{j}(s),; \min_{x\in\mathcal{X}} \mathbb{E}