격자 이론으로 본 확률 측정

초록

본 논문은 확률 이론을 불 대수 대신 격자 이론 위에 세워, 합법칙과 두 종류의 곱법칙을 격자의 결합·교차 연산과 직접곱·맥락변환의 결합법칙으로부터 유도한다. 이를 통해 코크와 콜모고로프 체계의 일반화를 제시하고, 수론 및 양자역학 기초에 적용 가능함을 보인다.

상세 분석

논문은 먼저 확률을 “양가치(bi‑valuation)”라 정의한다. 여기서 양가치는 격자 L의 두 원소 a, b에 대해 a가 b를 함의하는 정도를 실수값으로 매핑하는 함수 v(a, b)이며, 전통적 확률 p(A)는 특수한 경우 v(⊤, A)로 표현된다. 격자 연산인 합(join) ⊔와 교(meet) ⊓는 각각 논리적 ‘또는’와 ‘그리고’에 해당하고, 이 연산들의 결합법칙(associativity)과 교환법칙(commutativity)을 보존하도록 v가 제한을 받아야 한다. 저자는 합법칙을 “v(a, b⊔c)=v(a, b)+v(a, c)−v(a, b⊓c)” 형태의 식으로 도출한다. 이는 전통적 확률의 가법성(additivity)을 격자 이론적 관점에서 증명한 것으로, 격자 원소 사이의 중복을 교집합 항으로 보정한다는 점이 핵심이다.

곱법칙은 두 가지로 구분된다. 첫 번째는 격자들의 직접곱 L₁×L₂에 대한 결합법칙에서 유도된다. 여기서 v₁×₂((a₁,a₂), (b₁,b₂))=v₁(a₁, b₁)·v₂(a₂, b₂)라는 형태가 나오며, 이는 독립 사건에 대한 전통적 곱법칙을 일반화한다. 두 번째 곱법칙은 “맥락 변화(context shift)”라 불리는 연산에서 나온다. 즉, v(a, c)=∑_b v(a, b)·K(b, c) 형태의 전이 행렬 K가 존재함을 보이며, 이는 베이즈 정리와 동일시될 수 있다. 저자는 이 전이 행렬이 맥락의 결합에 대해 결합법칙을 만족하도록 K(b, c⊔d)=K(b, c)·K(b, d) 등으로 제한함을 증명한다.

이러한 두 곱법칙은 각각 독립성 가정과 조건부 확률의 연쇄적 적용을 포괄한다. 격자 이론을 바탕으로 한 접근은 확률을 측도(measure)로 보는 전통적 관점을 넘어, 논리 구조와 연산적 결합성을 동시에 만족시키는 보다 근본적인 수학적 토대를 제공한다. 논문은 이 형식이 수론에서의 소수 분포와 같은 전통적 확률 적용을 재해석하고, 양자역학에서 비가환 연산자를 포함한 확률 해석을 가능하게 함을 시연한다.