완전 조건 독립성을 저차 조건으로 판별하는 방법

초록

농도 그래프는 무향 그래프로, 각 정점은 확률 벡터의 한 변수에 대응한다. 두 정점 사이에 간선이 없다는 것은 해당 두 변수와 나머지 모든 변수를 조건으로 했을 때 완전 조건 독립임을 의미한다. 다변량 정규분포에서는 간선 부재가 정밀 행렬(공분산 행렬의 역)의 영 원소와 동일하다. 이러한 농도 그래프는 확률 벡터의 분포가 가지고 있는 일부 조건 독립성을 나타내며, 이는 그래프의 “분리” 혹은 간선 부재와 일치한다. 본 논문에서는 분포가 그래프에 대해 완전 마르코프성을 가진다고 가정한다(즉, 그래프가 표현하는 독립성 외에 추가적인 독립성이 존재하지 않는다). 이 경우, 완전 마르코프 분포에 대응하는 농도 그래프는 제한된 수의 변수에만 조건을 걸어도 완전히 복원될 수 있음을 증명한다. 구체적으로, 필요한 조건 변수의 최대 개수는 해당 농도 그래프의 최소 분리자들의 최대 크기와 동일하다.

상세 요약

농도 그래프(concentration graph)는 확률론과 그래프 이론을 연결하는 핵심 도구로, 변수들 사이의 직접적인 상호작용을 시각화한다. 무향 그래프에서 두 정점 사이에 간선이 존재하면 그 두 변수는 서로 조건부 의존성을 가진다고 해석하고, 간선이 없으면 “모든 나머지 변수들을 조건으로 했을 때” 완전 조건 독립(full conditional independence)이라고 본다. 다변량 정규분포의 경우, 이러한 관계는 정밀 행렬(precision matrix)의 영 원소와 정확히 일치한다는 점에서 계산적으로도 매우 유용하다.

하지만 실제 데이터 분석에서는 전체 변수 집합을 조건으로 삼는 것이 계산 비용과 표본 크기 제한 때문에 비현실적이다. 따라서 “몇 개의 변수만을 조건으로 삼아도 충분히 그래프 구조를 복원할 수 있는가?”라는 질문이 자연스럽게 제기된다. 기존 연구들은 주로 저차( low‑order ) 조건부 독립성을 이용해 그래프를 추정하려 했지만, 일반적인 경우에는 놓치는 독립성이 발생한다.

본 논문이 전제하는 ‘완전 마르코프성(perfect Markovianity)’은 강력한 가정이다. 이는 확률 분포가 그래프가 나타내는 모든 독립성만을 가지고, 추가적인 독립성은 전혀 없다는 의미다. 이 가정 하에서는 그래프와 분포 사이에 일대일 대응이 성립하므로, 그래프 구조를 정확히 복원하는 것이 이론적으로 가능해진다. 저자는 이 전제 하에서 “최소 분리자(minimal separator)”라는 그래프 이론적 개념을 핵심 도구로 삼는다. 최소 분리자는 두 정점을 완전히 분리시키는 가장 작은 정점 집합이며, 그 크기는 그래프의 ‘트리폭(treewidth)’과도 깊은 연관이 있다.

논문의 핵심 정리는 다음과 같다. “농도 그래프의 모든 최소 분리자의 최대 크기(즉, 그래프의 최소 분리자 크기의 상한)만큼의 변수만을 조건으로 하면, 그 조건부 독립성 검정만으로도 그래프의 모든 간선 존재 여부를 정확히 판단할 수 있다.” 이는 즉, 전체 변수 집합을 조건으로 하는 고차 조건부 독립성 검정 대신, 제한된 수(최대 최소 분리자 크기)의 변수만을 선택해 검정하면 충분하다는 의미다. 실질적으로는, 예를 들어 그래프의 최소 분리자 크기가 3이라면, 3차 조건부 독립성(세 변수를 조건으로 하는 독립성)만을 조사하면 전체 농도 그래프를 완전히 복원할 수 있다.

이 결과는 두 가지 중요한 함의를 가진다. 첫째, 계산 복잡도가 급격히 낮아진다. 조건부 독립성 검정은 일반적으로 샘플 공분산 행렬의 부분 역행렬을 계산하거나, 회귀계수를 추정하는 과정을 포함한다. 변수 수가 적을수록 이러한 연산은 더 안정적이고 빠르게 수행된다. 둘째, 표본 요구량이 감소한다. 고차 조건부 독립성을 검정하려면 큰 표본이 필요하지만, 저차(예: 3차) 조건부 독립성은 상대적으로 적은 표본으로도 신뢰할 수 있는 추정이 가능하다.

다만, 완전 마르코프성 가정이 현실 데이터에 얼마나 부합하는지는 별도의 검증이 필요하다. 실제 복합 시스템에서는 숨겨진 변수나 비선형 상호작용으로 인해 그래프가 표현하지 못하는 추가적인 독립성이 존재할 수 있다. 따라서 본 이론은 ‘이론적 최적 조건’ 하에서의 가능성을 제시하고, 이를 기반으로 실용적인 알고리즘 설계 시 가정 위반에 대한 강건성 검토가 뒤따라야 한다는 점을 강조한다.

요약하면, 저자는 그래프 이론의 최소 분리자 개념을 활용해 “조건부 독립성 검정에 필요한 변수 수는 그래프의 구조적 복잡도(최소 분리자 최대 크기)와 동일하다”는 중요한 정리를 증명했으며, 이는 고차 조건부 독립성에 의존하던 기존 방법론을 저차 조건부 독립성으로 대체할 수 있는 이론적 근거를 제공한다.