제어변수를 활용한 두 단순 가설의 최적 순차 검정

초록

통계 실험의 각 단계에서 관측값 Y의 분포에 영향을 미치는 제어변수 X를 사용할 수 있다고 가정한다. Y의 분포는 미지의 매개변수 θ에 의존하며, 우리는 θ=θ₀인 단순 가설 H₀와 θ=θ₁인 단순 대립가설 H₁을 검정하는 고전적인 문제를 순차적 맥락에서 다룬다. 실험은 먼저 제어변수 X₁을 지정하고 반응 Y₁을 관측하는 것으로 시작한다. 이후 분석을 거쳐 새로운 제어값 X₂를 선택하고 Y₂를 관측하는 과정을 반복한다. 실험은 결국 종료되며, 그 시점에서 H₀ 또는 H₁ 중 하나를 최종적으로 선택한다. 본 논문에서는 이러한 형태의 데이터를 기반으로 단순 가설과 단순 대립가설을 검정하기 위한 최적 순차 절차의 구조를 규명하는 것을 목표로 한다.

상세 요약

이 논문은 전통적인 순차 검정 이론에 제어변수라는 새로운 차원을 도입함으로써, 실험 설계와 의사결정 과정이 상호작용하는 복합적인 상황을 수학적으로 모델링한다. 기존의 순차 검정은 관측값 Y₁, Y₂, … 가 고정된 확률분포(θ에만 의존)에서 독립적으로 추출된다고 가정한다. 그러나 실제 과학·공학 실험에서는 실험자가 온도, 압력, 전압 등과 같은 제어변수를 조정함으로써 데이터의 정보량을 극대화하려는 경우가 많다. 저자는 이러한 상황을 “제어변수 X가 매 단계마다 선택될 수 있다”는 가정 하에, θ가 두 개의 고정값(θ₀, θ₁) 중 하나라는 단순 가설 검정 문제를 다룬다.

핵심 아이디어는 “정책”이라 부르는 순차적 규칙을 정의하는 것이다. 정책은 (i) 현재까지 관측된 (X₁,Y₁,…,Xₙ,Yₙ) 정보를 입력으로 받아, (a) 다음에 사용할 제어값 Xₙ₊₁을 결정하고, (b) 실험을 계속할지 혹은 중단하고 어느 가설을 채택할지를 결정한다. 논문은 이러한 정책이 ‘정책 공간’ 안에서 최적화될 때, 즉 기대 비용(예: 평균 표본 수)과 오류 확률(제1종·제2종 오류) 사이의 트레이드오프를 만족시키는 경우, 최적 정책의 구조적 특성을 명시적으로 규명한다.

수학적으로는 라그랑주 승수법과 동적 계획법(DP)을 결합한 접근법을 사용한다. 먼저, 제1종 오류 α와 제2종 오류 β를 사전에 정해 놓고, 기대 표본 수를 최소화하는 문제를 라그랑주 함수 L = E_θ₀