다중스케일 부트스트랩을 이용한 빈도주의와 베이지안 신뢰도 측정

본 논문은 평균이 알려지지 않은 다변량 정규모형 Y∼N_{m+1}(μ,I)에서 임의 형태의 가설 영역 H₀에 대한 신뢰도 측정을 목표로 한다. 서론에서는 단순한 반평면 H₀′:μ_{m+1}≤0와 구간 H₀:−d≤μ_{m+1}≤0을 예시로 들어, 빈도주의 p‑값과 베이지안 사후 확률이 영역 포함 관계와 일치하지 않는 “패러독스”를 소개한다. 이는 한쪽 검정과 두쪽 검정의 검정력 차이에서 비롯된 것으로, 이를 해소하기 위해 다중스케일 부트스트랩을 활용한다. 2절에서는 문제를 일반화하여 H₀를 −d−h₂(θ)≤μ_{m+1}≤−h₁(θ), θ∈ℝ^m 형태로 정의하고, h₁, h₂는 거의 평탄(λ=O(1/√n))이라고 가정한다. 이렇게 하면 H₀는 두 개의 경계면 ∂H₁, ∂H₂로 구분되며, 각각을 단일 영역 검정에 적용할 수 있다. 3절에서는 기존의 다중스케일 부트스트랩 방법을 재정리한다. 부트스트랩 표본 Y*|y∼N(y,σ²I)에서 스케일 σ²를 다양하게 바꾸어 부트스트랩 확률 α_{σ²}(H₀′|y) 를 추정하고, 이를 z‑값 ψ(σ²)=−σ Φ⁻¹(α_{σ²}) 로 변환한다. 정리 1에 따르면, ψ(σ²)를 σ²=−1 로 외삽하면 거의 불편한 p‑값 p(H₀′|y)=Φ(−ψ(−1))을 얻는다. 이때 ψ(σ²)의 형태는 파라메트릭 모델(다항식, 제곱근 등)로 가정하고, AIC를 이용해 최적 모델을 선택한다. 4절이 논문의 핵심으로, 세 영역( H₀, H₁, H₂ )에 대한 빈도주의 p‑값을 정의한다. 각각에 대해 정리 1을 적용해 p(H₁|y), p(H₂|y) 를 구한 뒤, p(H₀|y)=1−|p(H₁|y)−p(H₂|y)| 라는 식으로 결합한다(정리 2). 이 정의는 H₀가 두 경계면 중 어느 쪽에 더 가까운가에 따라 p‑값이 자동으로 조정되며, μ∈∂H₀일 때 커버리지 오류가 O(λ²) 수준으로 억제된다. 구체적인 예로 구면 껍질 a₂≤‖μ‖≤a₁을 사용해 정확한 p‑값을 계산하고, 다중스케일 부트스트랩을 통해 추정된 값과 비교한다. 5절에서는 베이지안 관점을 도입한다. 평탄 사전 π(μ)=const를 가정하면, 부트스트랩 확률 α₁(H₀|y)와 베이지안 사후 확률 π(H₀|y) 가 동일함을 보인다. 더 나아가 “영‑측면” 검정(σ²→0)에서 베이지안 사후 확률을 빈도주의 p‑값으로 해석함으로써 두 접근법 사이의 타협을 제시한다. 6절에서는 실제 계산 절차를 상세히 설명한다. (1) 여러 스케일 σ₁,…,σ_M을 선택하고 각 스케일마다 부트스트랩 표본을 B_i 번 생성해 α̂_{σ_i²} 를 얻는다. (2) 파라메트릭 모델을 AIC 기준으로 선택하고, (3) 선택된 모델을 이용해 ψ(σ²)를 추정, (4) σ²=−1 로 외삽해 p‑값을 계산한다. 두 단계 부트스트랩(첫 단계에서 큰 σ, 두 번째 단계에서 작은 σ)과 고차항 포함이 추정 편향을 크게 감소시킨다. 7절에서는 시뮬레이션 결과를 제시한다. 다양한 차원 m, 경계 곡률, 샘플 크기 n에 대해 평균 절대 오차와 커버리지 비율을 비교했으며, 제안된 두‑단계 다중스케일 부트스트랩이 기존 단일‑스케일 방법보다 20~30% 정도 정확도가 향상됨을 보였다. 또한, 베이지안 사후 확률과 빈도주의 p‑값이 거의 일치함을 확인했다. 8절은 결론 및 향후 연구 방향을 논한다. 현재는 공분산이 단위 행렬인 경우에 한정되었으나, 공분산 추정이나 비정규 데이터에 대한 확장 가능성을 제시한다. 또한, 모델 선택 과정에서 베이지안 정보 기준(BIC)이나 교차 검증을 도입하는 방안도 논의한다. 전체적으로 이 논문은 다중스케일 부트스트랩을 이용해 복잡한 가설 영역에 대한 정확한 빈도주의 p‑값을 제공하고, 동일한 부트스트랩 확률을 베이지안 사후 확률로 해석함으로써 두 통계 패러다임을 연결하는 중요한 방법론적 기여를 한다.