펠드만 쿠시스 신뢰구간 토이 MC 구현과 1CL 플롯 연결

초록

**
본 논문은 Feldman‑Cousins 방법을 이용한 신뢰구간 구축에 필요한 토이 Monte‑Carlo 절차를 알고리즘 형태로 정리하고, 이를 1‑CL 플롯과 연결시키는 과정을 설명한다. 단순한 1차원 및 2차원 가우시안 예제를 통해 경계조건이 있는 경우와 없는 경우의 결과를 비교한다.

**

상세 분석

**
Feldman‑Cousins가 제안한 likelihood ratio ordering은 전통적인 Neyman 구간이 갖는 “플립‑플롭” 문제를 회피하고, 상한·하한·양측 구간을 자연스럽게 전환한다는 장점이 있다. 그러나 실제 적용에서는 각 모수값 µ에 대해 확률밀도 P(x|µ)를 샘플링한 수천 개의 토이 데이터셋을 생성하고, 그에 대한 –2 ln R(=Δχ²) 값을 계산해야 하므로 계산량이 급증한다. 논문은 이 과정을 단계별 알고리즘으로 정리한다.

1. 토이 데이터 생성 – 선택한 진짜 모수 µ₀에서 가우시안 G(µ₀,σ=1) 혹은 다른 사전분포를 이용해 xₜₒʸ 를 추출한다.
2. Δχ² 계산 – xₜₒʸ 를 이용해 χ²(x,µ₀)와 χ²(x,µ̂) (µ̂는 경계조건을 고려한 최우도값) 를 구하고 Δχ² = χ²(x,µ₀) − χ²(x,µ̂) 를 얻는다. 경계가 있는 경우 µ̂ = max(0, xₜₒʸ) 와 같이 단순히 제한을 적용한다.
3. 임계값 Δχ²_c 결정 – 전체 토이 실험에서 Δχ² 값이 작은 비율이 목표 신뢰수준 α가 되도록 하는 Δχ²_c 를 찾는다. 이는 Eq.(1)의 적분 조건을 토이 샘플로 근사한 것이다.
4. 신뢰구간 도출 – 실제 측정값 x₀ 에 대해 Δχ²(x₀,µ₀) < Δχ²_c 를 만족하는 µ₀들의 집합을 구하면