베이지안 통계와 철학: 귀납주의를 넘어 가설‑연역주의로

초록

베이지안 통계의 실천이 귀납주의적 인식론과는 맞지 않으며, 실제 성공적인 베이지안 방법은 가설‑연역주의적 모델 검증과 수정 과정을 강조한다는 논지를 전개한다.

상세 요약

이 논문은 베이지안 추론을 귀납적 확증 이론과 동일시하는 전통적 철학적 입장을 비판한다. 저자들은 특히 ‘최고의 베이지안 실천’이라고 불리는 현대 통계학의 사례들을 분석하면서, 사전분포가 단순히 객관적 진리의 사전 지식이라기보다 모델링 전략의 한 부분에 불과함을 강조한다. 베이지안 업데이트 자체는 수학적으로 일관성을 보이지만, 이는 모델이 올바르게 지정되었을 때만 의미가 있다. 따라서 모델 검증(model checking)과 모델 수정(model revision)은 베이지안 프레임워크 밖에서 수행되는 필수 절차이며, 이는 가설‑연역적 접근과 일치한다. 저자들은 사회과학 실증 연구에서 경험적으로 관찰된 사례들을 들어, 사전분포를 과도하게 강조하거나 사후 검증을 무시하는 귀납주의적 태도가 오히려 과적합과 오류를 초래한다고 지적한다. 또한, 베이지안 일관성 정리(예: Doob’s theorem)와 실제 데이터 분석 사이의 격차를 논의하며, 이론적 귀납주의가 실천적 통계와 어떻게 괴리되는지를 구체적으로 보여준다. 결국, 베이지안 통계는 ‘귀납적 합리성’보다는 ‘가설‑연역적 탐구’를 지원하는 도구로 재해석되어야 한다는 것이 핵심 주장이다.