포아송 평균을 위한 최적 추론 모델

초록

포아송 분포 평균에 대한 추정은 이산성 때문에 어려움을 겪는다. 저자들은 최신 추론 모델(IM) 프레임워크를 이용해 점 가설과 구간 가설에 대해 최적(또는 근사 최적) IM을 설계한다. 특히 점 가설을 위한 재귀 정렬 알고리즘을 제시하고, 평균‑플러스‑배경 문제까지 확장한다. 시뮬레이션 결과는 기존 방법보다 유효성·효율성 모두에서 우수함을 보여준다.

상세 분석

본 논문은 포아송 평균 μ에 대한 통계적 추론을 IM(inferential model) 체계 안에서 재구성한다. IM은 데이터와 파라미터 사이의 불확실성을 확률적이면서도 주관적이지 않은 방식으로 표현하기 위해 ‘예측 무작위 집합(predictive random set, PRS)’을 도입한다. 핵심은 PRS가 ‘유효성(validity)’을 만족하도록 설계되는 것이며, 이는 모든 가능한 실제 μ에 대해 신뢰도 함수가 명시적 수준을 초과하지 않도록 보장한다. 포아송 분포는 이산적 특성 때문에 전통적인 대수적 근사(예: 정규 근사)나 연속적 신뢰구간이 과보수적이거나 과소보수적이 되는 문제가 있다. 저자들은 이러한 문제를 해결하기 위해 두 종류의 주장(assertion)에 초점을 맞춘다. 첫 번째는 μ=μ₀ 형태의 점 주장(point assertion)이며, 두 번째는 μ∈