일반 매끄러운 파라미터 모델의 무한소 강건 추정법

본 논문은 “무한소 강건 추정”(Infinitesimally Robust Estimation)이라는 새로운 프레임워크를 제시한다. 기존 강건 통계학에서는 고정된 크기의 이웃(예: ε‑contamination) 안에서 최적 추정량을 찾는 것이 일반적이었다. 그러나 이러한 접근법은 표본 크기가 커질수록 실제 데이터의 미세한 변동을 포착하지 못한다는 한계가 있다. 이를 극복하고자 저자들은 표본 크기 n에 따라 반비례적으로 수축되는 n⁻¹ᐟ² 이웃을 도입한다. 이 이웃은 “수축 이웃”(shrinking neighborhood)이라 불리며, Hub­er와 Rieder가 제시한 무한소 이웃 개념을 일반화한다. 논문은 먼저 매끄러운 파라미터화 모델을 정의한다. 확률 측도 공간 M₁(A) 위에 정의된 파라미터 모델 P = {P_θ | θ∈Θ}는 Θ⊂ℝᵏ의 열린 집합이며, 각 P_θ는 공통 기준 측도 μ에 대해 p_θ = dP_θ/dμ 로 표현된다. 모델은 L₂ 차분 가능성을 만족하고, √p_{θ+t}=√p_θ(1+½ t′Λ_θ)+o(|t|) 형태의 전개가 가능하다. 여기서 Λ_θ는 L₂‑미분 가능 함수이며, Fisher 정보 I_θ = E_θ